Prediksi Keberlanjutan Gojek di Pasar Transportasi Online Indonesia Menggunakan Analisis Sentimen dengan Algoritma Naive Bayes, KNN, dan SVM

Agust Laga Lajar, Leonard (2024) Prediksi Keberlanjutan Gojek di Pasar Transportasi Online Indonesia Menggunakan Analisis Sentimen dengan Algoritma Naive Bayes, KNN, dan SVM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (558kB)
	PDF BAB_I.pdf Download (184kB)
	PDF BAB_II.pdf Download (323kB)
	PDF BAB_III.pdf Download (257kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (116kB)
	PDF DAFTAR_PUSTAKA.pdf Download (126kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Transportasi online menjadi kebutuhan penting dalam kehidupan sehari- hari masyarakat Indonesia, dengan Gojek sebagai pemimpin pasar. Namun, sejak 2022 hingga 2023, jumlah unduhan aplikasi Gojek terus menurun. Hal ini menimbulkan kekhawatiran terkait keberlanjutan Gojek di pasar transportasi online. Penelitian ini bertujuan untuk memprediksi keberlanjutan Gojek dengan menganalisis sentimen pengguna berdasarkan ulasan di Google Play Store. Metode yang digunakan adalah analisis sentimen menggunakan algoritma Naive Bayes, K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Penelitian ini mengadopsi framework Cross-Industry Standard Process for Data Mining (CRISP-DM) yang mencakup tahap pengumpulan data, pemrosesan data, pemodelan, evaluasi, dan implementasi. Data ulasan pengguna di Google Play Store diproses untuk menghasilkan klasifikasi sentimen positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine(SVM) memberikan performa terbaik dalam klasifikasi sentimen dengan tingkat akurasi sebesar 89,65%, precision 92%, recall 93%, dan f1- score 93%. Algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) memiliki performa yang lebih buruk yakni untuk Naïve Bayes memiliki tingkat akurasi sebesar 72,75%, precision 69%, recall 96%, dan f1-score 80%, dan nilai akurasi sebesar 59,95%, Precision 94%, Recall 61%, dan f1-score 74% untuk algoritma knn. Dengan demikian pada penelitian ini, algoritma Support Vector Machine(SVM) dapat diandalkan untuk memprediksi keberlanjutan Gojek melalui analisis sentimen pengguna. Temuan ini memberikan wawasan berharga untuk pengembangan strategi bisnis Gojek di masa depan.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Gojek, KNN, Naïve Bayes, SVM
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Jan 2025 10:54
Last Modified:	09 Jan 2025 10:54
URI:	https://kc.umn.ac.id/id/eprint/35491

Actions (login required)

View Item