KLASIFIKASI SENTIMEN ULASAN PELANGGAN LAYANAN EKSPEDISI MENGGUNAKAN ALGORITMA NAÏVE BAYES

Almie, Amada Uzlyva (2023) KLASIFIKASI SENTIMEN ULASAN PELANGGAN LAYANAN EKSPEDISI MENGGUNAKAN ALGORITMA NAÏVE BAYES. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
A. PENDAHULUAN.pdf

Download (509kB)
[img] Text
B. ABSTRAK.pdf

Download (152kB)
[img] Text
C. BAB I.pdf

Download (243kB)
[img] Text
D. BAB II.pdf
Restricted to Repository staff only

Download (348kB) | Request a copy
[img] Text
E. BAB III.pdf
Restricted to Repository staff only

Download (810kB) | Request a copy
[img] Text
F. BAB IV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
G. BAB V.pdf
Restricted to Repository staff only

Download (187kB) | Request a copy
[img] Text
H. DAFTAR PUSTAKA.pdf

Download (275kB)
[img] Text
I. LAMPIRAN.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy

Abstract

ABSTRAK Penggunaan jasa ekspedisi meningkat karena semakin dibutuhkan masyarakat, namun terdapat permasalahan saat proses pengiriman seperti barang yang cacat, barang tertukar, dan keterlambatan pengiriman. Terkait permasalahan tersebut dalam penelitian ini akan di analisis ulasan pelanggan ekspedisi pada media sosial twitter. Pemanfaatan media sosial twitter memiliki potensi besar dalam menghasilkan informasi, dari banyaknya jumlah opini dari masyarakat yang didapatkan, diperlukan analisis sentimen untuk mengklasifikasikan opini tersebut agar memudahkan dalam menemukan kecenderungan opini dari ulasan pengguna ekspedisi guna mengetahui seberapa besar persentase sentimen positif, dan negatif. Penelitian ini akan membandingkan antara model klasifikasi Multinomial Naïve Bayes dan Gaussian Naïve Bayes tanpa dan dengan menerapkan teknik balancing untuk mengatasi imbalance data. Hasil akurasi tertinggi yang dihasilkan metode multinomial naïve bayes tanpa balancing data sebesar 95%, sedangkan pada random undersampling diperoleh akurasi tertinggi sebesar 95%, dan pada random oversampling diperoleh akurasi tertinggi sebesar 97%. Pada metode gaussian naïve bayes dihasilkan akurasi tertinggi tanpa balancing data sebesar 85%, sedangkan pada random undersampling diperoleh akurasi tertinggi sebesar 80%, dan pada random oversampling diperoleh akurasi tertinggi sebesar 93%. Performa akurasi terbaik yang diperoleh antara metode multinomial naïve bayes dan gaussian naïve bayes tanpa balancing data dan dengan menggunakan balancing data terdapat pada hasil akurasi multinomial naïve bayes dengan menggunakan random oversampling yaitu sebesar 97%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Analisis Sentimen, Twitter, Multinomial Naïve Bayes, Gaussian Naïve Bayes, Random Oversampling, Random Undersampling.
Subjects: 000 Computer Science, Information, & General Works
000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Department: S1 Teknik Informatika
Depositing User: Amada Uzlyva Almie
Contributors:
ContributionContributor NameNIDN/NIDK
Thesis advisorNilogiri, AgungNIDN0030037701
Thesis advisorWardoyo, Ari EkoNIDN0014027501
Contact Email Address: nazyvamie@gmail.com
Date Deposited: 16 Mar 2023 06:01
Last Modified: 17 Mar 2023 04:08
URI: http://repository.unmuhjember.ac.id/id/eprint/16690

Actions (login required)

View Item View Item