UMN Knowledge Center

Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi

Luthfiana, Lulu (2020) Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (1MB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (122kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (223kB) | Preview
[img] PDF
BAB_II.pdf
Restricted to Registered users only

Download (588kB)
[img] PDF
BAB_III.pdf
Restricted to Registered users only

Download (830kB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (318kB)
[img] PDF
BAB_V.pdf
Restricted to Registered users only

Download (10kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (624kB)

Abstract

User feedback diambil untuk memahami keluhan pengguna agar tersampaikan kepada engineer untuk bisa memilihara aplikasinya. Dari user feedback didapatkan informasi seperti bug report yang menjelaskan kelemahan dari apikasi yang digunakan dan juga bisa masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari user feedback dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam pengklasifikasiannya karena user feedback tidak sedikit namun bisa ribuan setiap saat. Maka, dibutuhkannya sistem otomasi analisa sentimen user feedback. Untuk mengatasi permasalahan tersebut, sentimen analisis dapat menggunakan algoritma Support Vector Machine untuk menentukan sebuah feedback memiliki sentimen positif, negatif, atau netral. Berdasarkan penelitian sebelumnya, sentimen analisis menggunakan algoritma Support Vector Machine sebagai klasifikasi dikarenakan algoritma tersebut merupakan algoritma yang paling baik. Namun, diperlukannya juga fitur seleksi untuk meningkatkan hasil akurasi pada sentimen analisis.Dalam penelitian lain menyebutkan dengan menggunakan fitur seleksi Chi Square mendapatkan hasil akurasi pada analisis sentiment yang lebih baik. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine dan fitur seleksi Chi Square pada user feedback aplikasi dengan bahasa pemograman python, serta menghitung akurasi pada prediksi sentimen. Berdasarkan beberapa uji coba, akurasi yang dievaluasi menggunakan classification report menunjukkan bahwa model pada pembagian data train dan test set sebesar 80:20, nilai kritis 6,63 pada Chi Square, dan klasifikasi model Support Vector Machine dengan parameter C 100 gamma 0,001 menghasilkan performa yang paling baik, dengan nilai accuracy 77%, precision 50%, recall 55% dan f1 score 73%.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: Analisis Sentimen, Fitur Seleksi, Requirment Engineering, Support Vector Machine, User Feedback
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Date Deposited: 04 Dec 2020 14:23
Last Modified: 04 Dec 2020 14:23
URI: http://kc.umn.ac.id/id/eprint/14929

Actions (login required)

View Item View Item