PENERAPAN SUPPORT VECTOR MACHINE DENGAN SELEKSI FITUR BACKWARD ELIMINATION UNTUK ANALISIS SENTIMEN KEPUASAN PELANGGAN PADA PENGGUNAAN OPERATOR SELULER TELKOMSEL

Herjianto, Samuelson (2024) PENERAPAN SUPPORT VECTOR MACHINE DENGAN SELEKSI FITUR BACKWARD ELIMINATION UNTUK ANALISIS SENTIMEN KEPUASAN PELANGGAN PADA PENGGUNAAN OPERATOR SELULER TELKOMSEL. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (249kB)
	Text ABSTRAK.pdf Download (152kB)
	Text DAFTAR ISI.pdf Download (186kB)
	Text DAFTAR PUSTAKA.pdf Download (393kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (88kB)
	Text PENGESAHAN PENGUJI.pdf Download (81kB)
	Text SKRIPSI FULL_SAMUELSON HERJIANTO.pdf Restricted to Repository staff only Download (3MB)

Abstract

Perusahaan penyedia layanan seluler adalah perusahaan yang bergerak dalam bidang
pelayanan untuk pengguna telepon seluler. Operator seluler Telkomsel paling banyak
digunakan sebagai sumber internet seluler masyarakat dengan persentase 41,94%.
Kepuasan pelanggan adalah perasaan puas atau kecewa pelanggan terhadap kinerja suatu
produk dibandingkan dengan harapan pelanggan. Kepuasan pelanggan dapat diketahui dari
sentimen pelanggan. Salah satu tempat mengetahui kepuasan pelanggan yaitu dalam ulasan
pelanggan pada aplikasi MyTelkomsel pada Google Play Store.
Support Vector Machine atau SVM adalah algoritma yang dapat membangun model
dengan dimensi fitur yang berbeda. SVM dapat diterapkan pada data berdimensi tinggi,
tetapi SVM sulit digunakan untuk kumpulan data yang besar. Backward Elimination dapat
digunakan untuk melakukan seleksi fitur. Backward Elimination bekerja dengan memilih
semua atribut untuk dilakukan pengujian, jika ada atribut yang tidak berdampak signifikan,
maka atribut tersebut tidak digunakan.
Berdasarkan hasil pengujian dengan confusion matrix dan dilakukan validasi dengan
k-fold cross validation, didapatkan hasil bahwa model SVM menghasilkan nilai accuracy
sebesar 73%, precision sebesar 75,63%, recall sebesar 73%, dan f1-score sebesar 73,44%.
Sedangkan jika dilakukan seleksi fitur Backward Elimination sebelum pengujian dengan
model SVM menghasilkan nilai accuracy sebesar 77,92%, precision sebesar 78,40%,
recall sebesar 77,92%, dan f1-score sebesar 78,02%.
Kata kunci: Analisis Sentimen, SVM, Backward Elimination, Telkomsel, Seleksi
Fitur, Kepuasan Pelanggan

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen, SVM, Backward Elimination, Telkomsel, Seleksi Fitur, Kepuasan Pelanggan
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	08 Mar 2024 03:48
Last Modified:	08 Mar 2024 03:48
URI:	http://eprints.upnyk.ac.id/id/eprint/39037

Actions (login required)

View Item