KLASIFIKASI SENTIMEN TERHADAP LAYANAN TRAVELOKA PADA TWITTER DENGAN METODE SUPPORT VECTOR MACHINE

Auda, Hilham Muazam (2022) KLASIFIKASI SENTIMEN TERHADAP LAYANAN TRAVELOKA PADA TWITTER DENGAN METODE SUPPORT VECTOR MACHINE. Other thesis, UPN 'Veteran" Yogyakarta.

[thumbnail of ABSTRAK_123160158_HILHAM MUAZAM AUDA.pdf] Text
ABSTRAK_123160158_HILHAM MUAZAM AUDA.pdf
Download (100kB)
[thumbnail of Cover_123160158_HILHAM MUAZAM AUDA.pdf] Text
Cover_123160158_HILHAM MUAZAM AUDA.pdf
Download (113kB)
[thumbnail of DAFTAR ISI_123160158_HILHAM MUAZAM AUDA.pdf] Text
DAFTAR ISI_123160158_HILHAM MUAZAM AUDA.pdf
Download (113kB)
[thumbnail of DAFTAR PUSTAKA_123160158_HILHAM MUAZAM AUDA.pdf] Text
DAFTAR PUSTAKA_123160158_HILHAM MUAZAM AUDA.pdf
Download (80kB)
[thumbnail of Lembar Pengesahan_123160158_HILHAM MUAZAM AUDA.pdf] Text
Lembar Pengesahan_123160158_HILHAM MUAZAM AUDA.pdf
Download (157kB)
[thumbnail of Naskah Tugas AKhir.pdf] Text
Naskah Tugas AKhir.pdf
Restricted to Repository staff only
Download (2MB)

Abstract

Meningkatnya penggunaan media sosial dimanfaatkan oleh perusahaan untuk
menjalin komunikasi dua arah dengan penggunanya, salah satunya adalah Traveloka pada
media sosial Twitter. Pengguna Traveloka, menyampaikan sentimen mengenailayanan
Traveloka secara keseluruhan melalui tweet yang dipublikasikan melalui Twitter.
Fokus dari penelitian ini adalah mengklasifikasikan tweet yang diunggah oleh
pengguna Traveloka. Tweet diklasifikasikan menjadi tiga jenis sentimen, yaitu: positif,
negatif, dan netral. Melalui tahap klasifikasi, dapat diketahui bagaimana performa dengan
parameter akurasi, presisi, dan recall algoritma Support Vector Machine (SVM) sebagai
metode kalasifikasi data berupa teks.
Dalam penelitian kali ini, kernel SVM yang digunakan adalah Radial Basis Function
(RBF), karena kernel tersebut sering digunakan untuk menyelesaikan tugas klasifikasi teks
dengan cukup baik. Melalui penilitian ini dapat disimpulkan bahwa SVM dengan kernel
RBF berhasil mengklasifikasikan sentiment pengguna Traveloka dengan rata-rata nilai
akurasi sebesar 85,93%, presisi 86,36%, dan recall 81,25%.
Kata Kunci:Traveloka, Sentimen Pelanggan, Twitter, Support Vector Machine, Kernel
Radial Basis Function

Item Type: Thesis (Other)
Uncontrolled Keywords: Traveloka, Sentimen Pelanggan, Twitter, Support Vector Machine, Kernel Radial Basis Function
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User: Eko Yuli
Date Deposited: 10 Aug 2022 06:33
Last Modified: 10 Aug 2022 06:33
URI: http://eprints.upnyk.ac.id/id/eprint/30593

Actions (login required)

View Item View Item