Maulidiah, Pandu Rizki (2023) ANALISIS SENTIMEN PENILAIAN PENGUNJUNG TEMPAT WISATA RELIGI WALISONGO MENGGUNAKAN METODE SUPERVISED LEARNING. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
19082010046-cover.pdf Download (2MB) | Preview |
|
|
Text (BAB I)
19082010046-bab1.pdf Download (52kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
19082010046-bab2.pdf Restricted to Registered users only until 22 September 2025. Download (241kB) |
|
|
Text (BAB III)
19082010046-bab3.pdf Restricted to Registered users only until 22 September 2025. Download (68kB) |
|
|
Text (BAB IV)
19082010046-bab4.pdf Restricted to Registered users only until 22 September 2025. Download (2MB) |
|
|
Text (BAB V)
19082010046-bab5.pdf Download (41kB) | Preview |
|
|
Text (Daftar Pustaka)
19082010046-daftar pustaka.pdf Download (46kB) | Preview |
Abstract
Pesatnya perkembangan teknologi informasi membuat pengunjung tempat wisata khususnya wisata religi Walisongo dapat memberikan ulasan melalui aplikasi peta yang sering digunakan oleh masyarakat yakni Google Maps. Dengan ulasan yang diberikan pengguna lain, dapat membantu sesama pengguna yang ingin mengunjungi tempat tersebut serta menjadi sumber masukan bagi pemerintah setempat dalam mengoptimalkan pelayanan, sarana, dan prasarana wisata religi Walisongo. Untuk membantu mempermudah proses pengolahan ulasan, dibutuhkan proses analisis sentimen terkait ulasan tersebut yang dibantu dengan suatu algoritma yang akan bertugas untuk mengklasifikasikan ulasan tersebut. Penelitian ini bertujuan untuk melakukan analisis sentimen penilaian pengunjung terhadap tempat wisata religi Walisongo dengan metode supervised learning, yakni Decision Trees (CART), K-Nearest Neighbor, Multinomial Naïve Bayes, dan Support Vector Machine – kernel RBF. Penelitian ini bertujuan untuk membuktikan algoritma terbaik dalam klasifikasi sentimen. Hasil penelitian ini menunjukkan bahwa model yang memiliki nilai akurasi tertinggi yakni model dari klasifikasi SVM-RBF dengan nilai akurasi tertinggi dari model lainnya, yakni sebesar 87,12% dengan nilai f1-score sebesar 89% untuk nilai negatif, 68% untuk nilai netral, dan 91% untuk nilai positif.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76.6 Computer Programming Q Science > QA Mathematics > QA76.625 Internet Programming |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Information Systems | ||||||||||||
| Depositing User: | Pandu Rizki Maulidiah | ||||||||||||
| Date Deposited: | 22 Sep 2023 07:10 | ||||||||||||
| Last Modified: | 22 Sep 2023 07:10 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/18023 |
Actions (login required)
 |
View Item |