ANALISIS SENTIMEN TERHADAP APLIKASI RUANGGURU PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Irwansyah, Rahmad Arif and Jefri, Marsal and Weni, Indra (2022) ANALISIS SENTIMEN TERHADAP APLIKASI RUANGGURU PADA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Jambi.

	Text SAMPUL.docx Download (153kB)
	Text BAB I.docx Download (143kB)
	Text BAB II.docx Download (142kB)
	Text BAB III.docx Download (184kB)
	Text BAB IV.docx Download (358kB)
	Text BAB V.docx Download (21kB)
	Text DAFTAR ISI.docx Download (20kB)
	Text DAFTAR PUSTAKA.docx Download (18kB)
	Text LAMPIRAN.docx Download (32kB)
	Text PRAKATA.docx Download (16kB)
	Text RINGKASAN.docx Download (14kB)
	Text RIWAYAT HIDUP.docx Download (39kB)

Abstract

Ruangguru merupakan salah satu media pembelajaran online yang populer di Indonesia. Penting bagi suatu perusahaan untuk mengetahui bagaimana tanggapan publik terhadap produk atau layanan yang diberikan. Tanggapan atau opini yang diberikan oleh publik dapat mempengaruhi citra atau pandangan orang lain terhadap sebuah perusahaan, dimana salah satu media yang sering digunakan untuk menyampaikan keluhan terhadap suatu produk atau perusahaan yaitu media sosial seperti twitter yang berupa tulisan pendek yang disebut tweet. Tujuan dari penelitian ini untuk mengetahui bagaimana sentimen terhadap media pembelajaran ruangguru dengan menggunakan data pada media sosial twitter. Data diambil menggunakan API twitter sebanyak 2259 data dan dikelompokkan menjadi tiga kelas positif, negatif dan netral dimana hasil pelabelan yang telah dilakukan terdapat 75% sentimen positif, 10% memiliki sentimen negatif, dan 15% bersentimen netral. Dari hasil pelabelan yang telah ada dapat dilakukan proses klasifikasi dengan menggunakan metode Support Vector Machine (SVM) didapat kernel yang memiliki tingkat akurasi tertinggi yaitu kernel linear sebesar 76,7%, dimana dari 451 data yang diuji, terdapat 346 data yang diklasifikasikan secara tepat. Dari kelas sentimen negatif dapat diperoleh informasi terdapat 11 permasalahan atau keluhan yang teridentifikasi dengan kata kunci “belajar”, “layanan”, “materi”, “aplikasi”, “handphone”, “langganan” dan kata “beli”. Permasalahan yang muncul tersebut dikelompokkan kedalam 6P faktor diagram fishbone yaitu Price, People, Process, Promotion, Place dan Product.

Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User:	IRWANSYAH
Date Deposited:	31 May 2022 03:34
Last Modified:	31 May 2022 03:34
URI:	https://repository.unja.ac.id/id/eprint/34014

Actions (login required)

View Item