PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TIKTOK PADA GOOGLE PLAY STORE

Anggraini, Zeti Ika (2023) PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI TIKTOK PADA GOOGLE PLAY STORE. Other thesis, UPN "Veteran" Yogyajarta.

	Text ABSTRAK.pdf Download (28kB)
	Text COVER.pdf Download (75kB)
	Text DAFTAR ISI.pdf Download (2MB)
	Text DAFTAR PUSTAKA.pdf Download (96kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (365kB)
	Text SKRIPSI FULL_ZETI IKA ANGGRAINI_123180010.pdf Restricted to Repository staff only Download (2MB)

Abstract

ABSTRAK
Perubahan gaya hidup masyarakat akibat pesatnya perkembangan internet antara lain
semakin cepatnya penyebaran informasi melalui media sosial. Saking populernya, aplikasi Tiktok
memiliki jumlah pengguna yang banyak, disukai banyak orang, dan berbagi informasi dengan
cepat. Aplikasi TikTok adalah alat untuk membuat dan membagikan berbagai jenis video pendek
vertikal yang hanya dapat dilihat dengan menggesek layar ke atas atau ke bawah. Kategori Review
Positif, Negatif, dan Netral digunakan untuk memfilter komentar pada aplikasi Tiktok, dan metode
Support Vector Machine dan K-Nearest Neighbor dibandingkan untuk analisis sentimen komentar
pada aplikasi TikTok di Google Play Store, apakah aplikasi Tiktok baik atau tidaknya untuk
dimainkan. Analisis sentimen, seperti yang didefinisikan dalam analisis teks, adalah proses
mengkategorikan teks atau emosi, serta memahami, mengekstraksi, dan mengolah data tekstual,
dan secara otomatis mengevaluasi informasi sentimen yang terkandung dalam kata-kata atau opini,
perilaku seseorang, dan perasaan. Menggunakan TF-IDF dan preprocessing, seperti case folding,
punctuation removal, tokenizing, spelling correction, stopword removal, dan stemming. dengan
langkah-langkah yang dilakukan untuk mendapatkan skor akurasi, presisi, recall, dan f1-score.

Item Type:	Thesis (Other)
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	26 Jun 2023 03:07
Last Modified:	26 Jun 2023 03:07
URI:	http://eprints.upnyk.ac.id/id/eprint/36186

Actions (login required)

View Item