SKRIPSI IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR APLIKASI TANDA TANGAN DIGITAL (Studi Kasus : Review Aplikasi PrivyId pada Google Play)

Oktafani, Mita (2021) SKRIPSI IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR APLIKASI TANDA TANGAN DIGITAL (Studi Kasus : Review Aplikasi PrivyId pada Google Play). Skripsi thesis, Universitas Mercu Buana Yogyakarta.

[img] Text (ABSTRAK)
ABSTRAK.pdf

Download (106kB)
[img] Text (BAB SATU)
BAB I.pdf

Download (15kB)
[img] Text (BAB DUA)
BAB II.pdf
Restricted to Repository staff only

Download (359kB) | Request a copy
[img] Text (BAB TIGA)
BAB III.pdf
Restricted to Repository staff only

Download (123kB) | Request a copy
[img] Text (BAB EMPAT)
BAB IV.pdf
Restricted to Repository staff only

Download (716kB) | Request a copy
[img] Text (BAB LIMA)
BAB V.pdf

Download (7kB)
[img] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf

Download (113kB)
[img] Text (LAMPIRAN)
LAMPIRAN.pdf
Restricted to Repository staff only

Download (264kB) | Request a copy
[img] Text (SKRIPSI FULL TEXT)
3. Mita Oktafani-16121043-Laporan_Full_Text.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Other (SOURCE CODE)
SKRIPSI (MITA OKTAFANI-16121043).rar
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

Ulasan atau review pengguna diolah untuk memahami keluhan pengguna terhadap aplikasi agar tersampaikan kepada pihak pengembang untuk dapat memelihara aplikasi. Dari ulasan didapatkan banyak informasi seperti bug report yang menjelaskan kelemahan dan kekurangan dari aplikasi dan juga masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari ulasan pengguna dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam proses pengklasifikasiannya karena ulasan pengguna yang berjumlah banyak bahkan bertambah setiap saat. Oleh karena itu, dibutuhkannya sistem otomasi analisa sentimen ulasan aplikasi. Sistem ini menerapkan algoritma Support Vector Machine (SVM) sebagai metode untuk menentukan sebuah ulasan memiliki sentimen positif atau negatif. Analisis dilakukan dengan membandingkan fungsi kernel Radial Basis Function (RBF) dan kernel Linear yang dikombinasikan dengan eksperimen penambahan fiture selection, parameter, dan n-gram. Kesimpulannya adalah penyetelan parameter, dan fitur-fitur n-gram mampu meningkatkan nilai akurasi. Dari hasil percobaan dihasilkan kelas negatif sebanyak 4.137 dan kelas positif sebanyak 1.816 pada kernel RBF. Sedangkan pada kernel Linear didapatkan kelas negatif sebanyak 4.049 dan kelas positif sebanyak 1.904 data

Item Type: Thesis (Skripsi)
Additional Information/ Lokasi Hardcopy: Perpustakaan Kampus 3 UMBY
Uncontrolled Keywords: Analisis Sentimen, Support Vector Machine, Kernel, RBF, Linear
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi > Program Studi Sistem Informasi
Depositing User: Sistem Informasi UMBY
Date Deposited: 12 Jan 2022 03:41
Last Modified: 12 Jan 2022 03:41
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/12773

Actions (login required)

View Item View Item