Sentimen Analisis Kepuasan Pengguna Aplikasi Travel Agency Menggunakan Algoritma Machine Learning dan Optimasi Hyperparameter Tuning

Bagaskara, Fathurrahman (2025) Sentimen Analisis Kepuasan Pengguna Aplikasi Travel Agency Menggunakan Algoritma Machine Learning dan Optimasi Hyperparameter Tuning. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (771kB)
	PDF BAB_I.pdf Download (432kB)
	PDF BAB_II.pdf Download (585kB)
	PDF BAB_III.pdf Download (522kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (175kB)
	PDF DAFTAR_PUSTAKA.pdf Download (281kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (527kB)

Abstract

Pertumbuhan aplikasi Online Travel Agent (OTA) seperti Traveloka, Tiket.com, dan Agoda mendorong kebutuhan untuk memahami sentimen pengguna secara akurat. Komparasi lima algoritma klasifikasi machine learning diperlukan untuk mengetahui model yang paling efektif dalam menganalisis opini publik, karena setiap algoritma memiliki karakteristik dan sensitivitas berbeda terhadap data teks ulasan. Analisis sentimen menjadi penting untuk mengevaluasi persepsi pengguna dan meningkatkan kualitas layanan digital. Penelitian ini mengimplementasikan lima algoritma Naive Bayes, K-Nearest Neighbor (KNN), Decision Tree, Random Forest, dan Support Vector Machine (SVM) dalam empat skenario: baseline, tuning hyperparameter, SMOTE, serta kombinasi SMOTE + tuning. Seluruh proses mengikuti tahapan Knowledge Discovery in Databases (KDD), mencakup preprocessing, transformasi, pemodelan, dan evaluasi performa menggunakan metrik akurasi. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon terhadap data ulasan dari Google Play Store. Hasil penelitian menunjukkan bahwa algoritma SVM secara konsisten memiliki akurasi tertinggi, dengan performa terbaik pada Traveloka (92%). Tuning hyperparameter memberikan dampak positif pada sebagian besar model, sedangkan teknik SMOTE hanya efektif pada algoritma tertentu dan bahkan menurunkan akurasi pada KNN. Traveloka juga memiliki proporsi sentimen positif tertinggi dibandingkan Tiket.com dan Agoda, sehingga mengindikasikan persepsi pengguna yang relatif lebih baik.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Machine Learning, Online Travel Agent Sentimen Analisis Kepuasan..., Fathurrahman Bagaskara, Universitas Multimedia Nusantara
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	01 Jul 2025 07:41
Last Modified:	01 Jul 2025 07:41
URI:	https://kc.umn.ac.id/id/eprint/37479

Actions (login required)

View Item