PERBANDINGAN AKURASI DATASET PELABELAN MANUAL DENGAN PELABELAN VADER PADA ANALISIS SENTIMEN KOMENTAR TWITTER J&T EXPRESS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Swandjana, Vannya Yure Putra (2024) PERBANDINGAN AKURASI DATASET PELABELAN MANUAL DENGAN PELABELAN VADER PADA ANALISIS SENTIMEN KOMENTAR TWITTER J&T EXPRESS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (13kB)
	Text COVER_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (141kB)
	Text DAFTAR ISI_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (38kB)
	Text DAFTAR PUSTAKA_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (152kB)
	Text Pengesahan Pembimbing_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (301kB)
	Text Pengesahan Penguji_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Download (308kB)
	Text SKRIPSI FULLTEXT_123170082_VANNYA YURE PUTRA SWANDJANA.pdf Restricted to Repository staff only Download (1MB)

Abstract

J&T Express merupakan perusahaan jasa ekspedisi yang menduduki peringkat tiga
teratas dari tahun 2018 hingga 2023 berdasarkan Top Brand Award. J&T Express
memanfaatkan media sosial Twitter untuk berinteraksi dengan pengguna. Pengguna
berkomentar di media sosial Twitter untuk menilai penyedia layanan ekspedisi tersebut.
Maka dari itu diperlukan analisis sentimen terhadap komentar tersebut sehingga dapat
digunakan sebagai masukan untuk meningkatkan kualitas suatu perusahaan.
Metode Support Vector Machine (SVM) dipilih karena mampu mengklasifikasi data
linier maupun non-linier dengan kernel trik. Selain itu SVM memiliki akurasi tinggi dan
tingkat kesalahan yang relatif kecil. Pelabelan data merupakan tahapan penting dalam
analisis sentimen. Pelabelan manual memiliki presisi yang cukup tinggi namun untuk data
berjumlah besar dapat memakan waktu lama sedangkan VADER (Valence Aware
Dictionary and sEntiment Reasoner) memiliki presisi yang tidak begitu tinggi namun
pelabelan ini dirancang khusus untuk teks media sosial, sehingga cocok digunakan untuk
analisis komentar dari Twitter. Dengan adanya kedua pelabelan tersebut maka perlu
menentukan metode pelabelan mana yang lebih baik digunakan untuk melabeli data dalam
analisis sentimen.
Percobaan dilakukan menggunakan kernel Radial Basis Function (RBF) dan
parameter C=1.0 pada dataset yang terdiri dari 984 tweet, yang dibagi menjadi data training
dan data testing dengan rasio 80:20. Hasil menunjukkan bahwa metode pelabelan VADER
menghasilkan akurasi sebesar 73%, dengan rata-rata presisi sebesar 78% dan recall sebesar
64%. Sedangkan metode pelabelan manual menghasilkan akurasi sebesar 71%, dengan rata�rata presisi dan recall masing-masing sebesar 71%. Perbedaan akurasi sebesar 2% ini
mengindikasikan bahwa pelabelan VADER lebih unggul dalam meningkatkan kinerja SVM
dalam analisis sentimen.
Kata kunci : analisis sentimen, Support Vector Machine, Lexicon Based, VADER, Twitter,
J&T Express

Item Type:	Thesis (Other)
Uncontrolled Keywords:	analisis sentimen, Support Vector Machine, Lexicon Based, VADER, Twitter, J&T Express
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	20 Jun 2024 06:16
Last Modified:	20 Jun 2024 06:16
URI:	http://eprints.upnyk.ac.id/id/eprint/39822

Actions (login required)

View Item