ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN PENGGUNA PADA APLIKASI PEGADAIAN DIGITAL MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE - Dalam bentuk buku karya ilmiah

VINA FADILLAH

Informasi Umum

Kode

23.04.7061

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Informasi Lainnya

Abstraksi

<p>BUMN adalah salah satu dari tiga pelaku utama ekonomi negara selain koperasi dan usaha swasta untuk mewujudkan masyarakat yang sejahtera di berbagai bidang. Salah satu Perusahaan Perseroan yang dimiliki oleh BUMN adalah PT Pegadaian yang bergerak pada sektor finansial. Berdasarkan peraturan direksi PT Pegadaian Nomor 122 Tahun 2020 dalam rangka meningkatkan kualitas dan maturity level teknologi informasi (TI) diperlukan mekanisme evaluasi serta monitoring berdasarkan standar internasional ISO/IEC 25010:2011 tentang System & Software Quality Models pada pengelolaan kualitas teknologi informasi. Sehingga saat ini, PT Pegadaian sedang melakukan proses transformasi untuk menambahkan bisnis model yang awalnya hanya dapat dilakukan secara luring menjadi memungkinkan dilakukan secara daring. Untuk mendukung proses transformasi Pegadaian tersebut, dikembangkanlah aplikasi bernama “Pegadaian Digital”. Aplikasi ini berisikan bisnis utama PT Pegadaian seperti jual beli tabungan emas, booking gadai hingga tinjauan harga emas. Untuk membantu proses transformasi digital ini dilakukan penulisan sentimen berbasis aspek agar dapat mengetahui aspek pada aplikasi yang perlu diperbaiki dan dipertahankan. Penulisan ini berfokus pada data ulasan yang ada di Google Play Store dengan menggunakan tahapan berdasarkan KDD dan menggunakan algoritma Support Vector Machine. Aspek yang digunakan dalam penulisan ini adalah learnability, efficiency, errors dan satisfaction dengan label positif, negatif dan netral (tidak beraspek). Pengujian pada penulisan ini terbagi menjadi 2 skenario dengan berfokus pada dataset asli dan dataset dengan hyperparameter tuning. Kemudian dilakukan evaluasi model menggunakan akurasi, presisi, recall dan f1-score. Hasil evaluasi menunjukkan bahwa skenario dengan rasio split data 80:20 menggunakan SVM dengan parameter dasar atau default mendapatkan hasil performansi terbaik berdasarkan nilai akurasi sebesar 86%, recall 80%, f1-score 82% dan presisi sebesar 84%. Kata kunci: Ulasan Google Play Store, Pegadaian Digital, Analisis Sentimen Berbasis Aspek, Support Vector Machine, Hyperparameter tuning</p>