Yoga Putranto, Antonius (2022) Perbandingan Algoritma Support Vector Machine dan K-Nearest Neighbor pada Opini Masyarakat terhadap Aplikasi E-Wallet di Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Pandemi virus Covid-19 ini telah ditetapkan oleh Word Health Organzation (WHO) sejak tanggal 11 Maret 2020. Dilakukanlah upaya lainnya yaitu mengurangi penggunaan uang tunai sebagai alat transaksi dan diganti menjadi transaksi non-tunai (cashless) yang salah satunya adalah e-wallet. E-wallet atau dompet elektronik dapat diartikan sebagai alat pembayaran non-tunai dengan menggunakan media elektronik. Data yang digunakaan mulai dari 11 Maret 2020 sampai 2021 dengan jumlah yang didapat adalah 10.000 data untuk masing-masing e-wallet. Penelitian ini akan melakukan perbandingan dua algoritma yaitu Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) pada sentimen analisis opini masyarakat terhadap aplikasi e-wallet yaitu Gopay, OVO, dan DANA. Dataset yang dikumpulkan dari aplikasi Instagram dengan komentar berbahasa Indonesia. Hasil penelitian ini berupa persentase yaitu hasil Akurasi dari algortima Support Vector Machine sebesar 76.77% sedangkan algoritma K-Nearest Neighbor sebesar 60.27%. Untuk hasil sentimen analisis menurut SVM aplikasi Gopay mendapatkan 3255 positif dan 1799 negatif, aplikasi OVO mendapatkan 3160 positif dan 2214 negatif, aplikasi DANA mendapatkan 3296 positif dan 1995 negatif. Kesimpulan pada penelitian ini yaitu algoritma SVM mendapatkan hasil terbaik dibandingkan KNN, lalu aplikasi yang mendapatkan hasil positif terbanyak adalah aplikasi DANA.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Analisis Sentimen, E-wallet, Instagram, KNN, SVM, vi Perbandingan Algoritma Support..., Antonius Yoga Putranto, Universitas Multimedia Nusantara |
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 > Information System |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 18 Nov 2022 07:31 |
Last Modified: | 03 Jul 2023 07:56 |
URI: | https://kc.umn.ac.id/id/eprint/19942 |
Actions (login required)
View Item |