ANALISIS SENTIMEN PADA APLIKASI PEDULILINDUNGI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA SUPPORT VECTOR MACHINE

MUHAMMAD AFFAN RAMADHANI YURIZIA

Informasi Dasar

126 kali
23.04.1589
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Virus COVID-19 ini pertama kali ditemukan pada Desember 2019 di Wuhan, Ibukota Provinsi Hubei China, dan sejak itu menyebar secara global di seluruh dunia mengakibatkan pandemi coronavirus. Khususnya di Indonesia, virus COVID-19 ini baru muncul pertama kali pada bulan Maret tahun 2020. Upaya pemerintah Indonesia untuk mengatasi COVID-19 ini salah satunya melalui aplikasi Android yang bernama PeduliLindungi. Aplikasi PeduliLindungi merupakan wadah penanganan dan peran serta masyarakat untuk berbagi data lokasi saat bepergian agar penelusuran riwayat kontak dengan penderita COVID-19 di Indonesia dapat segera dilakukan. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap aplikasi PeduliLindungi yang dapat dikategorikan sebagai sentimen positif, negatif, netral menggunakan algoritma Support Vector Machine (SVM). Pengumpulan data diambil dengan cara mengambil data dari google play review yaitu PeduliLindungi. Data review dari pengguna dikumpulkan sebanyak 10000 kemudian dilabeli secara manual sesuai sentimen. Kemudian dilakukan proses preprocessing untuk menghapus emoji, mengubah semua kalimat menjadi huruf kecil, menghilangkan angka, tanda baca, dan symbol, menghapus data duplikasi, menghapus nilai Null, memecahkan kalimat menjadi kata perkata, menghilangkan kata yang tidak memiliki makna, dan menjadikan kata tersebut menjadi kata dasar. Kemudian hasil data yang sudah dilakukan preprocessing diberi bobot agar dapat diklasifikasikan menggunakan algoritma SVM. Data akan dibagi menjadi dua yaitu data training dan data testing menggunakan rasio 70:30 dan percobaan menggunakan perbandingan kernel sigmoid, kernel RBF, dan kernel poly yang menghasilkan kernel terbaik yaitu kernel RBF. Kemudian dilakukan evaluasi menggunakan confusion matrix dengan rasio 70:30 menggunakan kernel sigmoid menghasilkan rata-rata precision 91%, recall 91%, f1-score 97%, dan akurasi sebesar 91%. Kemudian hasil evaluasi confution matrix dilakukan validasi dengan k-fold cross validation yang menghasilkan rata-rata sebesar 90,7%.

Subjek

Machine Learning
 

Katalog

ANALISIS SENTIMEN PADA APLIKASI PEDULILINDUNGI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA SUPPORT VECTOR MACHINE
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

MUHAMMAD AFFAN RAMADHANI YURIZIA
Perorangan
Edi Sutoyo
 

Penerbit

Universitas Telkom, S1 Sistem Informasi
Bandung
2023

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini