PENERAPAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN KEPUASAN PELANGGAN COUVEE DI DAERAH ISTIMEWA YOGYAKARTA

Aisyah, Farah (2024) PENERAPAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN KEPUASAN PELANGGAN COUVEE DI DAERAH ISTIMEWA YOGYAKARTA. Other thesis, UPN "Veteran" Yogyakarta.

	Text FULL SKRIPSI FARAH AISYAH.pdf Restricted to Repository staff only Download (4MB)
	Text COVER.pdf Download (222kB)
	Text ABSTRAK.pdf Download (185kB)
	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (5MB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (5MB)
	Text DAFTAR ISI.pdf Download (205kB)
	Text DAFTAR PUSTAKA.pdf Download (135kB)

Abstract

Bisnis coffee shop yang berkembang dengan sangat pesat menyebabkan terjadinya
persaingan antar coffee shop, untuk mengimbangi persaingan tersebut coffee shop akan
berusaha memberikan kualitas dan pelayanan terbaik dengan memanfaatkan ulasan dari
pelanggan yang menjadi tolak ukur utama dalam meningkatkan kualitas produk dan layanan.
Ulasan pelanggan merupakan hal penting yang berdampak besar pada citra sebuah bisnis,
sayangnya ada banyak ulasan yang bersifat ambigu, pada coffee shop yang memiliki banyak
maka cabang klasifikasi secara manual akan sangat sulit dilakukan.
Untuk mengatasi permasalahan tersebut, penelitian ini melakukan analisis sentimen
terkait ulasan pelanggan dengan mengkombinasikan metode lexicon based untuk pelabelan
data dan metode support vector machine sebagai model klasifikasi yang dilatih
menggunakan label dari metode lexicon-based. Pada penelitian ini analisis sentimen
dilakukan pada ulasan pelanggan coffee shop Couve, dengan melakukan teknik web
scraping didapatkan dataset sejumlah 2.471 ulasan.
Data kemudian diproses melalui beberapa tahap preprocessing seperti case folding,
data cleansing, tokenizing, stemming, dan penghapusan stopword. Pelabelan data dilakukan
dengan menggunakan pendekatan berbasis leksikon dari VADER. Metode SVM diterapkan
untuk melakukan klasifikasi sentimen yang dibagi menjadi tiga kelas: positif, netral, dan
negatif. Hasil pengujian model dengan Confusion Matrix pada metode SVM-VADER
mencapai akurasi sebesar 82%, presisi 78%, dan recall 95%. Setelah menerapkan teknik
SMOTE untuk menangani masalah ketidakseimbangan data, hasil akhir menunjukkan
peningkatan akurasi menjadi 94%, presisi 91%, dan recall 93%. Hal ini menunjukkan bahwa
penerapan metode SVM dengan pendekatan Lexicon Based dan SMOTE mampu
meningkatkan performa analisis sentimen secara signifikan
Kata kunci: Support Vector Machine, Lexicon Based, SMOTE, VADER

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Support Vector Machine, Lexicon Based, SMOTE, VADER
Subjects:	H Social Sciences > H Social Sciences (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md.SI Indah Lestari Wulan Aji
Date Deposited:	14 Nov 2024 01:44
Last Modified:	14 Nov 2024 01:44
URI:	http://eprints.upnyk.ac.id/id/eprint/41643

Actions (login required)

View Item