Analisis Sentimen Pengguna Aplikasi Binar Academy Menggunakan Algoritma Support Vector Machine

Nathanael Zebua, Joseph (2024) Analisis Sentimen Pengguna Aplikasi Binar Academy Menggunakan Algoritma Support Vector Machine. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (300kB)
	PDF BAB_III.pdf Download (314kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (776kB)
	PDF BAB_V.pdf Download (203kB)
	PDF DAFTAR_PUSTAKA.pdf Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (201kB)

Abstract

Binar Academy merupakan salah satu perusahaan dibidang teknologi edukasi yang menyediakan bootcamp di Indonesia. Namun meskipun Indonesia merupakan salah satu negara dengan pengguna smartphone yang terbesar di Asia Tenggara, pada saat ini belum ada perusahaan dengan program bootcamp selain Binar Academy yang memiliki aplikasi berbasis mobile. Adanya pembelejaran berbasis mobile mampu meningkatkan tingkat pemahaman dan minat peserta dalam mempelajari suatu materi. Oleh karena itu, Analisis sentimen pengguna pada aplikasi binar penting untuk mengetahui sentimen masyarakat terhadap aplikasi bootcamp berbasis mobile. Pada penelitian ini, analisis sentimen dilakukan pada ulasan aplikasi Binar Academy di Google Play Store menggunakan algoritma klasifikasi Support Vector Machine (SVM). Ketidakseimbangan pada populasi data dapat berdampak negatif pada hasil pengujian model karena dapat membuat hasil dari model menjadi bias terhadap kelas mayoritas. Metode imbalance handling yang digunakan pada penelitian ini adalah SMOTE dan ADASYN.Pembobotan dilakukan dengan TF-IDF untuk menentukan kepentingan data pada keperluan analisis sentimen. Algoritma SVM yang mengaplikasikan imbalance handling seperti SMOTE dan ADA-SYN dievaluasi menggunakan confusion matrix dan divalidasi menggunakan K-Fold Cross Validation. Performa model terbaik didapat pada model yang menggunakan ADA- SYN dengan accuracy sebesar 95%, precision sebesar 94%, recall sebesar 94% dan f1-score sebesar 94%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	ADA-SYN, Analisis Sentimen, Binar Academy, bootcamp, Confusion Matrix, K-Fold Cross Validation, SMOTE, Support Vector Machine, TF-IDF
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:27
Last Modified:	09 Nov 2024 11:27
URI:	https://kc.umn.ac.id/id/eprint/33813

Actions (login required)

View Item