PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK ANALISIS SENTIMEN REVIEW KOMENTAR PADA APLIKASI TRANSPORTASI ONLINE

Rokhman, Khoirul Abbi (2020) PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK ANALISIS SENTIMEN REVIEW KOMENTAR PADA APLIKASI TRANSPORTASI ONLINE. Other thesis, Universitas Amikom Purwokerto.

[img] Text
File Cover.pdf

Download (793kB)
[img] Text
File Daftar Isi.pdf

Download (426kB)
[img] Text
File Abstrak.pdf

Download (411kB)
[img] Image
File BAB I.pdf
Restricted to Registered users only

Download (432kB)
[img] Image
File BAB II.pdf
Restricted to Registered users only

Download (838kB)
[img] Image
File BAB III.pdf
Restricted to Registered users only

Download (599kB)
[img] Image
File BAB IV.pdf
Restricted to Registered users only

Download (1MB)
[img] Image
File BAB V.pdf
Restricted to Registered users only

Download (409kB)
[img] Image
File DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (618kB)
[img] Text
File Lampiran.pdf
Restricted to Repository staff only

Download (977kB)

Abstract

Secara umum transportasi digunakan untuk memudahkan manusia melakukan aktivitas sehari-hari. Saat ini, transportasi tidak hanya terdapat secara konvensional saja namun berkembang dengan adanya transportasi berbasis online yang harganya lebih terjangkau dan lebih praktis. Gojek Adalah salah satu aplikasi trasportasi online yang memiliki pengguna bisa dikatakan banyak di Indonesia. Namun dalam system ini pasti memliki banyak kekurangan yang dirasakan penggunanya. Dengan menganalisis kekurangan dari aplikasi perusahaan dapat mengetahui kekurangan dari aplikasi dan bagaimana cara memperbaikinya. Tujuan dari penelitian ini yaitu untuk melakukan analisis sentiment dengan menggunakan data ulasan yang terdapat pada Google Play guna mengetahui perbandingan keakurasian antara metode Support Vector Machine untuk mengklasifikasikan ulasan dari dua ketegori yaitu ulasan positif dan negative. Kemudian dibandingkan dengan metode Decision Tree. Melalui klasifikasi diperoleh hasil akurasi sebesar 90.20% untuk metode Support Vector Machine sedangkan 89.80% untuk metode Decision Tree. Jadi bisa disimpulkan untuk metode Support Vector Machine nilai akurasinya lebih tinggi dibandingkan metode Decision Tree. Kata kunci: Text Mining, Support Vector Machine, Decision Tree.

Item Type: Thesis (Other)
Additional Information: Dosen Pembimbing: Dr. Berlilana, M.Kom., M.Si.
Uncontrolled Keywords: Text Mining, Support Vector Machine, Decision Tree.
Subjects: T Technology > T Technology (General)
T Technology > TJ Mechanical engineering and machinery
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: UPT Perpustakaan Pusat Universitas Amikom Purwokerto
Date Deposited: 05 Mar 2021 05:59
Last Modified: 05 Mar 2021 05:59
URI: http://eprints.amikompurwokerto.ac.id/id/eprint/651

Actions (login required)

View Item View Item