Analisis Sentimen Pinjaman Online di Twitter menggunakan Metode Support Vector Machine dan Logistic Regression

Lutfi Syahputra, Nanda (2023) Analisis Sentimen Pinjaman Online di Twitter menggunakan Metode Support Vector Machine dan Logistic Regression. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (623kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (207kB) | Preview
Preview	PDF BAB_I.pdf Download (535kB) | Preview
Preview	PDF BAB_II.pdf Download (463kB) | Preview
Preview	PDF BAB_III.pdf Download (428kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
Preview	PDF BAB_V.pdf Download (221kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Pinjaman online adalah layanan jasa keuangan yang beroperasi secara daring dengan berbasis aplikasi. Dalam data yang dihasilkan oleh Otoritas Jasa Keuangan pada tahun 2021 mengalami peningkatan yang sangat pesat. Hal ini disebabkan jumlah peminjam mengalami dampak yang sangat signifikan pasca pandemi COVID-19 yang berlangsung di Indonesia. Adanya layanan pinjaman online tersebut, tentunya menimbulkan banyak diskusi di kalangan masyarakat khususnya pada media sosial Twitter. Dalam diskusi tersebut menimbulkan banyak tanggapan positif dan negatif dari masyarakat, oleh karena itu tanggapan tersebut dapat dianalisis untuk mengetahui sentimen apa yang menjadi permasalahan terhadap pinjaman online pasca pandemi COVID-19 di Indonesia. Metode yang digunakan dalam penelitian ini menggunakan model Support Vector Machine yang akan dibandingkan dengan model Logistic Regression. Hasil penelitian yang sudah dilakukan, model Support Vector Machine memiliki akurasi yang lebih baik sebesar 89%, dengan precision positif 89.23%, recall negatif 94.49%, f1-score negatif 91.25%, dan Area Under Curve 92%, dibandingkan dengan model Logistic Regression dengan nilai akurasi 85%, precision positif 86.76%, recall negatif 92.56%, f1-score negatif 88.19%, dan Area Under Curve 92%. Berdasarkan hasil tersebut, analisis sentimen pada pinjaman online pasca pandemi COVID-19 di Indonesia menghasilkan ulasan negatif dari masyarakat khususnya pada media sosial Twitter.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis sentimen, COVID-19, Logistic Regression, Pinjaman online, Support Vector Machine
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:	05 Jul 2023 10:02
Last Modified:	18 Jul 2023 07:08
URI:	https://kc.umn.ac.id/id/eprint/25711

Actions (login required)

View Item