Analisis Sentimen pada Aplikasi Bibit dengan Algoritma Support Vector Machine Menggunakan Teknik Bootstrapping

Manuel, Wilson (2023) Analisis Sentimen pada Aplikasi Bibit dengan Algoritma Support Vector Machine Menggunakan Teknik Bootstrapping. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (530kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (170kB) | Preview
Preview	PDF BAB_I.pdf Download (184kB) | Preview
Preview	PDF BAB_II.pdf Download (505kB) | Preview
Preview	PDF BAB_III.pdf Download (208kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (160kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (721kB)

Abstract

Peristiwa COVID-19 menyebabkan roda ekonomi dunia lumpuh, tidak terkecuali Indonesia. Masyarakat yang memiliki pekerjaan harus menghadapi Pemutusan Hubungan Kerja (PHK) dari perusahaan. Sejak saat itu, investasi menjadi sebuah aktivitas yang semakin populer dikalangan masyarakat Indonesia untuk mendapatkan penghasilan tambahan. Saat ini terdapat banyak penipuan investasi yang dapat merugikan para investor. Oleh karena itu, penelitian ini dilakukan untuk mengetahui mayoritas sentimen dalam bentuk ulasan pengguna pada salah satu aplikasi investasi yang terkenal di Indonesia yaitu Bibit. Pada penelitian ini, algoritma yang digunakan adalah Naïve Bayes, Decision Tree, Support Vector Machine, dan Random Forest. Berdasarkan keempat algoritma tersebut, model dengan performa terbaik akan dioptimasikan lebih lanjut dengan menggunakan teknik bootstrapping dan GridSearchCV. Hasil penelitian menyatakan bahwa sentimen mayoritas ulasan masyarakat terhadap aplikasi Bibit adalah positif. Model dengan performa terbaik adalah Support Vector Machine dengan akurasi pada data testing sebesar 85%. Setelah dilakukan teknik bootstrapping, akurasi model meningkat menjadi 89,57%. Berdasarkan hasil tersebut, performa terbaik diperoleh algoritma Support Vector Machine dengan teknik bootstrapping.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Bootstrapping, Sentimen, Support Vector Machine, Ulasan
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++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
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:	03 Aug 2023 05:01
URI:	https://kc.umn.ac.id/id/eprint/25714

Actions (login required)

View Item