ANALISIS SENTIMEN ULASAN APLIKASI MYBLUEBIRD DENGAN OPTIMASI SUPPORT VECTOR MACHINE MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

Lestari, Ayu (2025) ANALISIS SENTIMEN ULASAN APLIKASI MYBLUEBIRD DENGAN OPTIMASI SUPPORT VECTOR MACHINE MENGGUNAKAN PARTICLE SWARM OPTIMIZATION. Other thesis, Universitas Amikom Purwokerto.

[thumbnail of COVER.pdf] Text
COVER.pdf

Download (661kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (437kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (410kB)
[thumbnail of BAB I.pdf] Image
BAB I.pdf
Restricted to Registered users only

Download (445kB)
[thumbnail of BAB II.pdf] Image
BAB II.pdf
Restricted to Registered users only

Download (578kB)
[thumbnail of BAB III.pdf] Image
BAB III.pdf
Restricted to Registered users only

Download (713kB)
[thumbnail of BAB IV.pdf] Image
BAB IV.pdf
Restricted to Registered users only

Download (695kB)
[thumbnail of BAB V.pdf] Image
BAB V.pdf
Restricted to Registered users only

Download (408kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Image
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (553kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (654kB)

Abstract

Ulasan pengguna terhadap aplikasi MyBluebird seringkali menjadi alat yang efektif untuk mempertahankan daya saing, terutama dalam menghadapi kompetitor layanan transportasi online yang terus berkembang pesat. Akan tetapi, keragaman ulasan menimbulkan tantangan dalam memahami persepsi pengguna secara menyeluruh. Terdapat berbagai metode yang dapat diterapkan untuk menganalisis ulasan pengguna. Penelitian ini bertujuan untuk menerapkan optimasi metode Support Vector Machine (SVM) menggunakan Particle Swarm Optimization (PSO) guna memperoleh informasi mengenai sentimen positif dan negatif dalam ulasan pengguna aplikasi MyBluebird, sekaligus memberikan rekomendasi strategis untuk pengembangan aplikasi. Data diambil dari ulasan pengguna dengan kategori paling relevan pada rentang waktu Januari 2023 hingga November 2024. Data yang telah dikumpulkan kemudian melalui tahapan penelitian, diantaranya tahap selection, preprocessing, pelabelan, transformation, data mining, dan evaluation. Hasil penelitian menunjukkan dari 2.370 ulasan yang telah melalui tahap preprocessing, diklasifikasikan menjadi 1.925 sentimen positif dan 445 sentimen negatif. Analisis sentimen ulasan aplikasi MyBluebird dengan metode Support Vector Machine (SVM) menghasilkan akurasi sebesar 90,37%, yang kemudian berhasil meningkat menjadi 90,59% setelah optimasi parameter menggunakan Particle Swarm Optimization (PSO). Evaluasi model mampu menunjukkan kemampuan yang sangat baik dalam mengidentifikasi sentimen positif, dengan precision, recall, dan f1-score masing-masing sebesar 94%, 93%, dan 94%. Sementara itu, model ini juga menunjukkan hasil yang cukup baik untuk sentimen negatif dengan precision 75%, recall 76%, dan f1-score 75%. Berdasarkan temuan ini, direkomendasikan beberapa strategi pengembangan aplikasi, seperti peningkatan fungsionalitas aplikasi, profesionalisme driver, kualitas armada, serta kebijakan tarif yang lebih fleksibel dan transparan untuk meningkatkan kepuasan pengguna.
Item Type: Thesis (Other)
Additional Information: Dosen Pembimbing : Dr. Giat Karyono, M.Kom.
Uncontrolled Keywords: Kata kunci: Analisis sentimen, Transportasi online, MyBluebird, SVM, PSO
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: UPT Perpustakaan Pusat Universitas Amikom Purwokerto
Date Deposited: 21 Mar 2025 03:29
Last Modified: 21 Mar 2025 03:29
URI: https://eprints.amikompurwokerto.ac.id/id/eprint/2599

Actions (login required)

View Item
View Item