ABROR, Muhamad Ulul (2024) ANALISIS SENTIMEN APLIKASI MOBILE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) (Studi Kasus : Aplikasi Allo Bank). Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Download (2MB) |
|
PDF (ABSTRAK)
ABSTRAK-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Download (523kB) |
|
PDF (BAB I)
BAB I-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB II)
BAB II-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Restricted to Registered users only Download (4MB) |
|
PDF (BAB III)
BAB III-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Restricted to Registered users only Download (2MB) |
|
PDF (BAB IV)
BAB IV-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Restricted to Registered users only Download (4MB) |
|
PDF (BAB V)
BAB V-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Download (478kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Download (711kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-M ULUL ABSOR-42418045-SKRIPSI-2024.pdf - Accepted Version Restricted to Repository staff only Download (3MB) |
Abstract
Allo Bank merupakan aplikasi mobile yang sedang trand dikalangan masyarakat saat ini, bertujuan memberikan kemudahan untuk nasabah dalam bertransaksi. Jumlah pengguna allobank terus meningkat hingga periode Januari 2024. Hal ini menuai reaksi dan kritik dari sejumlah besar pengguna aplikasi Allo Bank dalam bentuk opini yang tertuang dikolom komentar. Permasalahan tersebut memungkinkan dilakukan pengkajian analisis sentimen pengguna dengan memproses teks komentar. Data komentar diperoleh melalui proses scrapping menggunakan API Google-play-scrapper, selanjutnya data dilakukan preprocessing untuk membersihkan teks agar dapat dieksekusi. Uji coba menggunakan metode SVM dengan kernel linear, gausian, polynomial, dan sigmoid. Penelitian ini bertujuan untuk unjuk kerja algoritma SVM dengan membandingkan tingkat akurasi pada setiap kernel yang digunakan terhadap analisis sentimen pengguna aplikasi Allo Bank di google play store. Dataset yang digunakan sebanyak 11.844 data berlabel positif dan negatif dengan pembagian 50:50. Hasil klasifikasi menunjukan algoritma SVM dengan kernel linier mendapat nilai akurasi sebesar 90%, SVM kernel Gausian akurasi 89%, SVM kernel polynomial akurasi 85%, dan SVM kernel sigmoid akurasi 89%. Sehingga dapat disimpulkan bahwa algoritma Support Vector Machine menggunakan kernel linear, gausian, polynomial, dan sigmoid mendapatkan hasil yang baik, tetapi algoritma SVM dengan kernel linear mendapatkan hasil lebih baik dari pada menggunakan kernel polynomial, rbf, dan sigmoid.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Analisis Sentimen, Allobank, Support Vector Machine | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 004-Pemrosesan Data, Ilmu Komputer, Teknik Informatika > Prinsip Matematika dalam Ilmu Komputer; Algoritma Komputer | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | Nidzom Muhammad | |||||||||
| Date Deposited: | 24 Jun 2025 02:28 | |||||||||
| Last Modified: | 24 Jun 2025 02:28 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/1863 |
Actions (login required)
 |
View Item |