Optimasi Hyperparameter dan Data Balancing pada Algoritma SVM dan Naive Bayes untuk Analisis Sentimen Layanan PayLater di Platform X

Fathan Santoso, Aditya (2025) Optimasi Hyperparameter dan Data Balancing pada Algoritma SVM dan Naive Bayes untuk Analisis Sentimen Layanan PayLater di Platform X. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (787kB)
	PDF BAB_I.pdf Download (481kB)
	PDF BAB_II.pdf Download (751kB)
	PDF BAB_III.pdf Download (477kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (277kB)
	PDF DAFTAR_PUSTAKA.pdf Download (253kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (959kB)

Abstract

Kemajuan teknologi digital dan finansial (fintech) telah mengubah pola transaksi masyarakat. Salah satu inovasi yang berkembang pesat adalah layanan Paylater, yang memungkinkan pembayaran secara cicilan. Popularitas layanan ini meningkat tajam, dari 4,63 juta kontrak pada 2019 menjadi 79,92 juta pada 2023. Meski memberikan kemudahan, Paylater juga menimbulkan kekhawatiran, seperti tingginya bunga, risiko gagal bayar, dan dorongan terhadap perilaku konsumtif. Opini publik terhadap layanan Paylater banyak disampaikan melalui media sosial, khususnya platform X (Twitter), yang merefleksikan pengalaman langsung pengguna. Berdasarkan data SocIndex, mayoritas cuitan (96,00%) membahas penggunaan layanan, menunjukkan pentingnya media sosial sebagai sumber data dalam memahami persepsi publik. Penelitian ini melakukan analisis sentimen terhadap unggahan pengguna untuk mengkaji opini tersebut. Tantangan utama yang dihadapi adalah ketidakseimbangan kelas sentimen yang dapat menurunkan akurasi model. Digunakan pendekatan penyeimbangan data seperti SMOTE atau ADASYN, pemilihan algoritma klasifikasi yang tepat, serta optimasi hyperparameter guna meningkatkan performa model dan menghasilkan prediksi yang akurat sebagai dasar pengambilan keputusan dalam pengembangan layanan keuangan digital. Penelitian ini bertujuan untuk membandingkan performa algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen terhadap layanan Paylater dengan pendekatan hyperparameter tuning menggunakan Grid search dan penyeimbangan data menggunakan SMOTE dan ADASYN. Evaluasi dilakukan menggunakan k-fold cross-validation dan metrik Confusion matrix yang meliputi akurasi, presisi, recall, dan f1-score. Hasil menunjukkan algoritma SVM unggul dibandingkan Naïve Bayes dengan nilai akurasi, presisi, recall, dan f1-score mencapai 94,31%. Angka ini lebih tinggi dibandingkan penelitian sebelumnya yang mencatat akurasi sebesar 89,74%. model Naïve Bayes juga menunjukkan peningkatan dengan akurasi 91,94%, melampaui hasil terdahulu yaitu 87,00%.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Fathan Santoso, Aditya (00000058919)
Contributors:	Fernando, Erick
Keywords:	ADASYN, Analisis Sentimen, Grid search, Machine Learning, Naïve Bayes , Paylater, SMOTE, Support Vector Machine.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 07:27
URI:	https://kc.umn.ac.id/id/eprint/40268

Actions (login required)

View Item