IMPLEMENTASI LIBRARY TEXTBLOB MENGGUNAKAN MODEL SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ULASAN APLIKASI GOJEK

Marcela, Putri (2025) IMPLEMENTASI LIBRARY TEXTBLOB MENGGUNAKAN MODEL SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ULASAN APLIKASI GOJEK. Skripsi thesis, UPN Veteran Yogyakarta.

	Text Abstrak.pdf Download (12kB)
	Text Cover.pdf Download (243kB)
	Text Daftar isi.pdf Download (270kB)
	Text Daftar Pustaka.pdf Download (77kB)
	Text Hal Pengesahan Pembimbing.pdf Download (669kB)
	Text Hal Pengesahan Penguji.pdf Download (739kB)
	Text Yudisium_LAPORAN TUGAS AKHIR.pdf Restricted to Repository staff only Download (4MB)

Abstract

ABSTRAK
Perkembangan teknologi digital yang pesat mendorong peningkatan penggunaan
aplikasi layanan daring seperti Gojek, aplikasi Gojek merupakan sebuah aplikasi layanan
transportasi berbasis teknologi terbesar nomor satu yang menjadi favorit masyarakat di
Indonesia. Dengan adanya Gojek membawa dampak yang bagus dalam cara masyarakat
beraktivitas dan berbelanja. Aplikasi gojek menggabungkan teknologi serta layanan
tradisional untuk memberikan solusi dalam layanan pengantaran dan pengiriman makanan.
Oleh karena itu, ulasan pengguna aplikasi Gojek sangat penting adanya. Yang mana
dengan adanya ulasan ini mencerminkan pengalaman mereka dalam menggunakan
layanan-layanan tersebut.
Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan pengguna aplikasi
Gojek menggunakan pendekatan machine learning, khususnya dengan memanfaatkan
library TextBlob untuk praproses data dan ekstraksi fitur, serta algoritma Support Vector
Machine sebagai model klasifikasi sentimen. Proses penelitian dimulai dengan
pengumpulan data ulasan dari Website Kaggle, dilanjutkan dengan tahapan praprosesan
teks seperti tokenisasi, normalisasi, dan penghapusan stopword. Selanjutnya, fitur sentimen
awal diekstrak menggunakan TextBlob dan digunakan sebagai input pada model SVM.
Hasil Dari hasil pelabelan, ditemukan bahwa sebanyak 1.873 data masuk dalam
kategori sentimen positif, 1.793 data menunjukkan sentimen negatif, dan 1.252 data
menunjukkan sentimen netral. Data ini kemudian dibagi menjadi dua bagian, yaitu data
latih dan data uji, dengan rasio 70:30, 80:20, dan 90:10 yang dipilih secara acak, untuk
memaksimalkan proses pembelajaran mesin. Untuk evaluasi model, digunakan algoritma
Support Vector Machine dengan kernel RBF (Radial Basis Function), kernel Polynomial,
dan kernel Linear. Akan mendapatkan hasil evaluasi dari masin-masing kernel dengan
menggunakan ketiga rasio dan menunjukkan akurasi, recall, presisi, dan F1-score. Hal ini
menunjukkan bahwa ketiga model memiliki hasil yang berbeda-beda dalam
mengklasifikasikan sentimen.
Kata kunci : Analisis Sentimen, Support Vector Machine, TextBlob, Ulasan Pengguna,
Aplikasi Gojek
v
ABSTRACT
The rapid development of digital technology has driven the increase in the use of
online service applications such as Gojek, the Gojek application is a technology-based
transportation service application that is the number one favorite of the people in
Indonesia. With the presence of Gojek, it has a good impact on the way people do activities
and shop. The Gojek application combines technology and traditional services to provide
solutions in food delivery and delivery services. Therefore, reviews of Gojek application
users are very important. Which with this review reflects their experience in using these
services.
This study aims to analyze sentiment from Gojek application user reviews using a
machine learning approach, specifically by utilizing the TextBlob library for data
preprocessing and feature extraction, and the Support Vector Machine algorithm as a
sentiment classification model. The research process begins with collecting review data
from the Kaggle Website, followed by text preprocessing stages such as tokenization,
normalization, and stopword removal. Furthermore, the initial sentiment features are
extracted using TextBlob and used as input to the SVM model.
Results From the labeling results, it was found that 1,873 data fell into the positive
sentiment category, 1,793 data showed negative sentiment, and 1,252 data showed neutral
sentiment. This data was then divided into two parts, namely training data and test data,
with a randomly selected ratio of 70:30, 80:20, and 90:10, to maximize the machine
learning process. For model evaluation, the Support Vector Machine algorithm was used
with the RBF (Radial Basis Function) kernel, the Polynomial kernel, and the Linear kernel.
Will get the evaluation results of each kernel using the three ratios and show accuracy,
recall, precision, and F1-score. This shows that the three models have different results in
classifying sentiment.
Keywords: Sentiment Analysis, Support Vector Machine, TextBlob, User Reviews, Gojek
Application
vi

Item Type:	Tugas Akhir (Skripsi)
Uncontrolled Keywords:	Sentiment Analysis, Support Vector Machine, TextBlob, User Reviews, Gojek Application
Subjek:	H Social Sciences > HD Industries. Land use. Labor
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Eko Yuli
Date Deposited:	11 Sep 2025 02:37
Last Modified:	11 Sep 2025 02:37
URI:	http://eprints.upnyk.ac.id/id/eprint/43653

Actions (login required)

View Item