IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) DALAM ANALISIS SENTIMEN DAN KETIDAKSESUAIAN PENILAIAN DENGAN ULASAN PENGUNJUNG UNIVERSITAS AMIKOM PURWOKERTO DI GOOGLE MAPS

Hidayati, Nurul (2025) IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) DALAM ANALISIS SENTIMEN DAN KETIDAKSESUAIAN PENILAIAN DENGAN ULASAN PENGUNJUNG UNIVERSITAS AMIKOM PURWOKERTO DI GOOGLE MAPS. Other thesis, Universitas Amikom Purwokerto.

[thumbnail of COVER.pdf] Text
COVER.pdf

Download (496kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf

Download (539kB)
[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf

Download (529kB)
[thumbnail of BAB 1.pdf] Image
BAB 1.pdf
Restricted to Registered users only

Download (581kB)
[thumbnail of BAB 2.pdf] Image
BAB 2.pdf
Restricted to Registered users only

Download (712kB)
[thumbnail of BAB 3.pdf] Image
BAB 3.pdf
Restricted to Registered users only

Download (707kB)
[thumbnail of BAB 4.pdf] Image
BAB 4.pdf
Restricted to Registered users only

Download (832kB)
[thumbnail of BAB 5.pdf] Image
BAB 5.pdf
Restricted to Registered users only

Download (526kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Image
DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (697kB)
[thumbnail of LAMPIRAN.pdf] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (618kB)

Abstract

Penelitian ini berjudul Implementasi Algoritma Support Vector Machine (SVM) dalam Analisis Sentimen Ulasan Pengunjung Universitas Amikom Purwokerto di Google Maps. Tujuan dari penelitian ini adalah untuk mengklasifikasikan sentimen positif dan negatif dari ulasan pengguna menggunakan algoritma SVM. Penelitian ini dibatasi pada ulasan yang tersedia di Google Maps dan menggunakan teknik pengumpulan data scraping. Proses analisis mencakup preprocessing teks, pembobotan kata menggunakan TF-IDF, serta balancing data dengan metode SMOTE. Evaluasi model dilakukan menggunakan confusion matrix.Dari hasil penelitian ini, didapati bahwa SVM dapat membedakan serta menghasilkan model yang mampu mengklasifikasikan ulasan positif dan negatif secara optimal dengan akurasi, precision, recall, dan F1-score 97.5%. Analisis juga mengidentifikasi adanya ketidaksesuaian antara penilaian bintang dan isi ulasan, menegaskan bahwa analisis sentimen berbasis teks lebih representatif dibandingkan sekadar rating bintang.Kesimpulan dari penelitian ini adalah bahwa algoritma SVM memiliki performa yang sangat baik dalam klasifikasi sentimen teks. Model yang dihasilkan dapat digunakan untuk membantu Universitas Amikom Purwokerto dalam memahami persepsi publik secara lebih akurat, serta mendukung upaya peningkatan kualitas layanan dan reputasi institusi.
Item Type: Thesis (Other)
Additional Information: Dosen Pembimbing: Wiga Maulana Baihaqi, S.Kom., M.Eng., dan hyntia Raras Ajeng Widiawati, S.Kom., M.Eng.
Uncontrolled Keywords: Kata kunci: Analisis Sentimen, Support Vector Machine, Google Maps, Ulasan Pengguna, Universitas Amikom Purwokerto
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User: UPT Perpustakaan Pusat Universitas Amikom Purwokerto
Date Deposited: 24 Mar 2025 09:37
Last Modified: 24 Mar 2025 09:37
URI: https://eprints.amikompurwokerto.ac.id/id/eprint/2640

Actions (login required)

View Item
View Item