IMPLEMENTASI SMOTE PADA ANALISIS SENTIMEN ULASAN GOOGLE KAKTUS COFFEE PLACE DENGAN ALGORITMA SVM

KARIM, SHUHAIB ABDUL (2025) IMPLEMENTASI SMOTE PADA ANALISIS SENTIMEN ULASAN GOOGLE KAKTUS COFFEE PLACE DENGAN ALGORITMA SVM. Skripsi thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_123180102_Shuhaib Abdul Karim.pdf Download (292kB)
	Text 3_Abstrak_123180102_Shuhaib Abdul Karim.pdf Download (423kB)
	Text 4_Halaman Pengesahan_123180102_Shuhaib Abdul Karim.pdf Download (669kB)
	Text 5_Daftar Isi_123180102_Shuhaib Abdul Karim.pdf Download (518kB)
	Text 6_Daftar Pustka_123180102_Shuhaib Abdul Karim.pdf Download (338kB)
	Text 1_Skripsi full_123180102_Shuhaib Abdul Karim.pdf Restricted to Repository staff only Download (4MB)

Abstract

Perkembangan industri kuliner modern sangat dipengaruhi oleh ulasan pelanggan di
platform digital, termasuk Google Review. Ulasan ini mencerminkan persepsi konsumen
terhadap produk dan layanan yang diberikan oleh suatu usaha, seperti Kaktus Coffee Place.
Analisis sentimen menjadi pendekatan yang banyak digunakan untuk memahami opini
pelanggan tersebut. Namun, dalam praktiknya, analisis sentimen menghadapi tantangan
berupa ketidakseimbangan data, di mana ulasan positif jauh lebih dominan dibandingkan
ulasan negatif. Ketidakseimbangan ini dapat menurunkan kinerja model analisis yang
digunakan.
Penelitian ini menggunakan algoritma Support Vector Machine (SVM) untuk
mengklasifikasikan sentimen ulasan Google Kaktus Coffee Place ke dalam kategori positif
dan negatif. Untuk mengatasi ketidakseimbangan data, diterapkan teknik Synthetic Minority
Oversampling Technique (SMOTE) yang menghasilkan data sintetis pada kelas minoritas.
Data ulasan dikumpulkan melalui web scraping dengan bantuan platform Apify, kemudian
dilakukan preprocessing teks seperti case folding, cleansing, tokenisasi, normalisasi kata,
stopword removal, dan stemming. Representasi fitur dilakukan menggunakan TF-IDF,
dengan penanganan negasi menggunakan bigram. Model kemudian diuji menggunakan
metode K-Fold Cross Validation.
Hasil pengujian menunjukkan bahwa penerapan SMOTE meningkatkan performa
model analisis sentimen secara signifikan dibandingkan model tanpa penyeimbangan data.
Peningkatan terlihat pada metrik evaluasi seperti akurasi, precision, recall, dan F1-score.
Penelitian ini memberikan kontribusi nyata dalam bidang analisis sentimen berbasis teks
dengan pendekatan pembelajaran mesin, khususnya dalam penanganan data tidak seimbang
pada ulasan daring.
Kata Kunci: Analisis Sentimen, SVM, SMOTE, TF-IDF, Google Review

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	SHUHAIB ABDUL KARIM (Penulis-123180102) ; Wilis Kaswidjanti (Pembimbing)
Uncontrolled Keywords:	Analisis Sentimen, SVM, SMOTE, TF-IDF, Google Review
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	14 Oct 2025 01:47
Last Modified:	14 Oct 2025 01:47
URI:	http://eprints.upnyk.ac.id/id/eprint/44303

Actions (login required)

View Item