Klasifikasi Kepuasan Pelanggan pada User Feedback Menggunakan Algoritma Support Vector Machine

Chandra, Chandra (2021) Klasifikasi Kepuasan Pelanggan pada User Feedback Menggunakan Algoritma Support Vector Machine. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (325kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (866kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (881kB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (607kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (727kB)

Abstract

User Feedback merupakan suatu tolak ukur yang penting bagi perusahaan yang dapat memberikan pengaruh yang sangat besar dalam pembentukan loyalitas konsumen, keputusan pembelian konsumen, brand perusahaan, dan pendapat konsumen lainnya. Seiring dengan bertambahnya konsumen, jumlah feedback juga semakin meningkat yang akan memakan waktu apabila feedback dianalisa secara manual. Untuk mengatasi masalah tersebut, maka akan digunakan sistem analisis kepuasan pelanggan menggunakan Support Vector Machine dengan fitur ekstraksi TF-IDF untuk membantu menentukan tingkat kepuasan pelanggan pada suatu feedback. Algoritma Support Vector Machine dipilih karena performanya yang sangat bagus dalam melakukan klasifikasi pada teks data. Penelitian ini menggunakan dataset yang berisikan ulasan dari pengguna terhadap suatu produk. Pada penerapannya, dataset akan diklasifikasi menjadi dua kategori yaitu puas dan tidak puas dengan menggunakan TF-IDF sebagai fitur ekstraksi. Kemudian, data tersebut akan diproses menggunakan algoritma Support Vector Machine. Hasil dari pengujian menunjukan bahwa skeranio 1 dengan perbandingan rasio 60:40 memiliki akurasi tertinggi yaitu 90,56%. Pada skenario 2 (under-sampling) dengan perbandingan rasio 60:40 memiliki akurasi tertinggi yaitu 76,57%. Pada skenario 3 dengan perbandingan rasio 70:30 (over-sampling) memiliki akurasi tertinggi yaitu 74,69%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Ekstraksi fitur, Kepuasan pelanggan, Klasifikasi teks, TF-IDF, User feedback
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	24 Aug 2021 13:54
Last Modified:	22 Aug 2023 06:14
URI:	https://kc.umn.ac.id/id/eprint/17288

Actions (login required)

View Item