Perbandingan Performansi Metode Support Vector Machine dan Random Forest pada Analisis Sentimen Ulasan Aplikasi Pelayanan Publik Sipraja dengan Penerapan Teknik Smote

Pertiwi, Aisyah (2024) Perbandingan Performansi Metode Support Vector Machine dan Random Forest pada Analisis Sentimen Ulasan Aplikasi Pelayanan Publik Sipraja dengan Penerapan Teknik Smote. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text 20081010083.-cover.pdf Download (989kB)
	Text 20081010083.-bab1.pdf Download (58kB)
	Text 20081010083.-bab2.pdf Restricted to Repository staff only until 4 June 2026. Download (301kB)
	Text 20081010083.-bab3.pdf Restricted to Repository staff only until 4 June 2026. Download (723kB)
	Text 20081010083.-bab4.pdf Restricted to Repository staff only until 4 June 2026. Download (1MB)
	Text 20081010083.-bab5.pdf Download (44kB)
	Text 20081010083.-daftarpustaka.pdf Download (121kB)

Abstract

Pemerintah sebagai penyelenggara layanan publik memiliki kewajiban untuk memberikan pelayanan yang terbaik kepada publik. Namun, dalam mencapai hal tersebut, pemerintah dihadapkan pada berbagai tantangan yang menuntut mereka untuk terus menerus mengembangkan ide-ide baru dan berinovasi untuk mengatasinya. Salah satunya adalah tantangan global dari perubahan dan kemajuan teknologi yang pesat. Dalam menghadapi tantangan tersebut, Pemerintah Kabupaten Sidoarjo telah memperkenalkan Aplikasi Sistem Pelayanan Rakyat Sidoarjo (Sipraja). Pada penelitian ini akan dilakukan analisis sentimen ulasan aplikasi Sipraja dengan menggunakan algoritma Support Vector Machines (SVM) dan Random Forest dengan menerapkan teknik SMOTE. Data yang digunakan adalah sebanyak 1137 data. Tujuan utama dari penelitian ini adalah untuk membandingkan performa antara metode SVM dan RF dalam menganalisis sentimen. Hasil penelitian menunjukkan bahwa implementasi metode SMOTE berhasil meningkatkan nilai akurasi pada kedua algoritma. Pada algoritma SVM, nilai akurasi meningkat dari 87% menjadi 95%, precision dari 82% menjadi 95%, recall dari 78% menjadi 95%, dan F1-Score dari 80% menjadi 95%. Sementara itu, pada algoritma Random Forest, akurasi meningkat dari 85% menjadi 90%, precision dari 79% menjadi 90%, recall dari 73% menjadi 90%, dan F1-Score dari 75% menjadi 90%. Berdasarkan hasil pengujian, algoritma SVM menunjukkan performa yang lebih baik dibandingkan dengan algoritma RF dalam analisis sentimen aplikasi Sipraja, baik dengan maupun tanpa penerapan SMOTE, dengan akurasi akhir mencapai 95.03% dibandingkan dengan 90.12% pada algoritma RF.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Puspaningrum, Eva Yulia	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id
Thesis advisor	Maulana, Hendra	NIDN1423128301	hendra.maulana.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Aisyah Pertiwi

Date Deposited:

04 Jun 2024 08:11

Last Modified:

04 Jun 2024 08:11

URI:

https://repository.upnjatim.ac.id/id/eprint/24266