ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI ACCESS BY KAI MENGGUNAKAN METODE WORD2VEC DAN SUPPORT VECTOR MACHINE

Devi, Ditha Lozera (2024) ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI ACCESS BY KAI MENGGUNAKAN METODE WORD2VEC DAN SUPPORT VECTOR MACHINE. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (Cover) 20082010143_cover.pdf Download (4MB)
	Text (Bab 1) 20082010143_Bab 1.pdf Download (1MB)
	Text (Bab 2) 20082010143_Bab 2.pdf Restricted to Registered users only until 16 July 2027. Download (4MB)
	Text (Bab 3) 20082010143_Bab 3.pdf Restricted to Registered users only until 16 July 2027. Download (3MB)
	Text (Bab 4) 20082010143_Bab 4.pdf Restricted to Registered users only until 16 July 2027. Download (10MB)
	Text (Bab 5) 20082010143_Bab 5.pdf Download (364kB)
	Text (Daftar Pustaka) 20082010143_Daftar pustaka.pdf Download (1MB)
	Text (Lampiran) 20082010143_Lampiran.pdf Download (251kB)

Abstract

Tahun 2014, PT. Kereta Api Indonesia yang merupakan perusahaan Badan Usaha Milik Negara (BUMN) berinovasi dengan meluncurkan aplikasi KAI Access. Namun, beberapa ulasan pengguna yang menyatakan bahwa loading aplikasi lambat, batas waktu pemesanan tiket terlalu cepat, dan sering terjadi gangguan saat pemesanan tiket. Hingga akhirnya pada tanggal 10 Agustus 2023 PT. Kereta Api Indonesia melakukan peluncuran aplikasi Access by KAI sebagai bentuk upgrade dari aplikasi sebelumnya yaitu KAI Access. Adanya ulasan yang diberikan pengguna untuk aplikasi, perlu dilakukan analisis sentimen untuk melihat bagaimana pendapat dan reaksi pengguna dalam menggunakan aplikasi Access by KAI. Skripsi ini menggunakan metode Word2vec sebagai metode ekstraksi fitur dan algoritma Support Vector Machine (SVM) untuk analisis sentimen pengguna. Metode Word2vec yang digunakan terdapat 2 model yaitu CBOW dan Skip-gram. Terdapat 4 kernel SVM yang digunakan yaitu kernel linear, kernel polynomial, kernel RBF, dan kernel sigmoid. Hasil dari delapan skenario model klasifikasi menggunakan 4 kernel SVM dan 2 model Word2vec, dihasilkan satu skenario terbaik yang memiliki nilai akurasi dan nilai AUC (Area Under the Curve) tinggi. Skenario terbaik itu adalah skenario model yang menggunakan algoritma SVM kernel RBF dengan metode Skip-Gram ditambah metode oversampling SMOTE dihasilkan nilai akurasi 81% dan nilai AUC sebesar 0.81. Sehingga skenario tersebut divisualisasikan ke dalam bentuk website.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Arifiyanti, Amalia Anjani	NIDN6685718	amalia_anjani.fik@upnjatim.ac.id
Thesis advisor	Wati, Seftin Fitri Ana	NIDN6772777	seftin.fitri.si@upnjatim.ac.id

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:

Ditha Lozera Devi

Date Deposited:

17 Jul 2024 04:47

Last Modified:

17 Jul 2024 04:47

URI:

https://repository.upnjatim.ac.id/id/eprint/26276