Universitas Bhayangkara Jakarta Raya

Institutional Repositories

Sudrajat, Muhammad Riky (2021) Perbandingan Analisis Sentimen Menggunakan Metode Support Vector Machine (SVM) dan Naïve Bayes Terhadap Aplikasi KAI Access. Undergraduate thesis, Universitas Bhayangkara Jakarta Raya.

	Text 201710225185_Muhammad Riky Sudarajat_Cover - Daftar Isi.pdf Download (2MB)
	Text 201710225185_Muhammad Riky Sudarajat_BAB I.pdf Download (386kB)
	Text 201710225185_Muhammad Riky Sudarajat_BAB II, III, IV.pdf Restricted to Registered users only Download (1MB)
	Text 201710225185_Muhammad Riky Sudarajat_BAB V.pdf Download (94kB)
	Text 201710225185_Muhammad Riky Sudarajat_Daftar Pustaka.pdf Download (246kB)
	Text 201710225185_Muhammad Riky Sudarajat_lampiran.pdf Restricted to Registered users only Download (1MB)

Abstract

Google Play Store merupakan salah satu platform di android untuk mengunduh suatu aplikasi, Google Play juga menyediakan fitur untuk masyarakat dapat memberikan komentar / ulasan terhadap aplikasi yang di unduh nya. Ulasan mengenai aplikasi tersebut berupa sebuah persepsi, baik itu positif maupun negatif, ulasan dari salah satu aplikasi yang ada di google play yaitu aplikasi KAI access dapat dijadikan sebagai bahan penelitian untuk mencari sebuah informasi. Teknik yang dapat digunakan untuk penelitian ini adalah analisis sentimen, metode klasifikasi yang akan digunakan untuk analisis sentimen ini adalah support vector machine serta Naive Bayes sebagai pembanding untuk mencari akurasi yang lebih baik dari kedua algoritma tersebut, Metode Support Vector Machine (SVM) merupakan metode learning machine (pembelajaran mesin) satu kelas dengan metode jaringan syaraf tiruan yang dapat mengenali pola dari masukan atau contoh yang diberikan dan juga termasuk ke dalam supervised learning. Sedangkan Naïve Bayes merupakan metode pengklasifikasian peluang sederhana dengan asumsi antar variabel penjelas saling bebas (independen). Alasan penulis memilih kedua metode ini karena kedua metode mempunyai tingkat akurasi yang tinggi pada setiap pengklasifikasiannya. Penelitian ini dapat membantu para developer untuk mengetahui kekurangan maupun kelebihan yang harus di tingkatkan terhadap aplikasinya. Hasil penelitian dengan klasifikasi Support Vector Machine (SVM) diperoleh tingkat akurasi sebesar 93% sedangkan dengan menggunakan metode Naïve Bayes yaitu sebesar 89%. Sehingga metode Support Vector Machine memberikan tingkat akurasi yang lebih tinggi daripada metode Naïve Bayes.

Item Type:	Thesis (Undergraduate)
Subjects:	Teknologi dan Ilmu Terapan > Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Admin Repositori
Date Deposited:	24 Sep 2023 19:59
Last Modified:	24 Sep 2023 19:59
URI:	http://repository.ubharajaya.ac.id/id/eprint/23673

Actions (login required)

View Item

Downloads