OPTIMASI PARAMETER METODE SUPPORT VECTOR MACHINE DENGAN ALGORITMA GENETIKA PADA ULASAN APLIKASI OPERATOR TELEKOMUNIKASI (Studi Kasus :AplikasiMyXL)

Abadi, Ahmad Selo (2023) OPTIMASI PARAMETER METODE SUPPORT VECTOR MACHINE DENGAN ALGORITMA GENETIKA PADA ULASAN APLIKASI OPERATOR TELEKOMUNIKASI (Studi Kasus :AplikasiMyXL). Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (12kB)
	Text COVER.pdf Download (153kB)
	Text DAFTAR ISI.pdf Download (116kB)
	Text DAFTAR PUSTAKA.pdf Download (153kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (503kB)
	Text SKRIPSI FULL_AHMAD SELO ABADI_123180014.pdf Restricted to Repository staff only Download (3MB)

Abstract

MyXL merupakan aplikasi self- service yang diberikan oleh PT XL Axiata Tbk
sebagai operator telekomunikasi pada Google Play Store yang berguna dalam proses
memudahkan pengguna dalam melakukan layanan XL. Persaingan antara masing-masing
provider pada saat ini mengakibatkan tingkat Customer churn rate (tingkat perpindahan
pelanggan) yang tinggi Selain itu Untuk mengetahui bagaimana tingkat kepuasan dari
pengguna terhadap suatu penyedia layanan telekomunikasi seluler, maka diperlukan analisis
sentimen terhadap ulasan pengguna, salah satu caranya dengan menggunakan Support
Vector Machine(SVM).
SVM dapat mengatasi masalah klasifikasi linier maupun non-linier dengan kernel
trik yang menjadi kemampuan algoritma pembelajaran untuk klasifikasi banyak peneliti
telah melaporkan bahwa SVM adalah metode yang paling akurat untuk klasifikasi teks
Namun,Metode SVM juga memiliki kelemahan yaitu sulitnya menentukan parameter yang
optimal. Pemilihan parameter yang optimal akan meningkatkan akurasi dan klasifikasi, jika
bekerja dengan parameter default hasil klasifikasi dan akurasi akan kurang maksimal.
Algoritma Genetika diusulkan untuk diterapkan sebagai algoritma pencarian nilai parameter
yang efisien pada SVM.
Hasil pengujian penerapan algoritma genetika pada metode SVM didapatkan
Peningkatan nilai rata-rata akurasi sebesar 3% dari 89% menjadi 92%, peningkatan rata-rata
presisi sebesar 3% dari 91% menjadi 94% ,dan peningkatan rata-rata recall sebesar 3% dari
89% menjadi 92% . Dari hasil pengujian model SVM dengan menerapkan algoritma
genetika didapatkan hasil bahwa algoritma genetika dapat meningkatkan akurasi dan
mengatasi kekurangan metode SVM dalam pemilihan parameter yang optimal
Kata kunci : Analisis Sentimen, SVM, Algorima Genetika, aplikasi MyXL, Optimasi
Parameter, SMOTE

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, SVM, Algorima Genetika, aplikasi MyXL, Optimasi Parameter, SMOTE
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	23 Aug 2023 07:06
Last Modified:	23 Aug 2023 07:06
URI:	http://eprints.upnyk.ac.id/id/eprint/37096

Actions (login required)

View Item