ANALISIS SENTIMEN MEDIA SOSIAL TWITTER MENGENAI JASA EKSPEDISI BARANG SICEPAT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE

Dinda, Khairunnisa (2024) ANALISIS SENTIMEN MEDIA SOSIAL TWITTER MENGENAI JASA EKSPEDISI BARANG SICEPAT MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN DECISION TREE. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (721kB)
	Text BAB 2.pdf Download (928kB)
	Text BAB 3.pdf Restricted to Registered users only Download (489kB)
	Text BAB 4.pdf Restricted to Registered users only Download (2MB)
	Text BAB 5.pdf Download (528kB)
	Text DAFTAR PUSTAKA.pdf Download (622kB)
	Text HASIL TURNITIN.pdf Restricted to Registered users only Download (520kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (670kB)

Abstract

Jasa ekspedisi barang SiCepat adalah salah satu perusahaan ekspedisi yang telah berkolaborasi dengan berbagai tahapan bisnis online di Indonesia. Dengan adanya SiCepat, maka banyak dari konsumen E-Commerce yang merasa sangat terbantu setelah menggunakan jasa ekspedisi barang ini karena pelayanannya yang baik dan cepat dalam mengirimkan barang agar sampai di tangan konsumen. Tetapi terkadang masalah bisa saja terjadi saat SiCepat memberikan pelayanannya dalam pengiriman. Twitter menjadi salah satu media sosial bagi jasa ekspedisi barang SiCepat untuk menanggapi opini dan keluhan yang terjadi pada konsumennya. Konten yang telah posting di Twitter yang mencakup pemikiran serta keluhan dapat dianggap menjadi sumber data yang bisa digunakan guna melakukan penilaian sentimen terhadap mutu layanan SiCepat. Dalam perihal ini, tweet tersebut menyediakan modul yang dapat dianalisis secara merata guna menguasai perasaan serta persepsi pengguna terhadap pengalaman memakai layanan SiCepat. Dalam riset analisis sentimen ini, terdapat 2 tata cara algoritma yang bakal digunakan ialah algoritma Support Vector Machine (SVM) serta algoritma Decision Tree. Dari proses pengujian algoritma ini menghasilkan akurasi sebesar 80,0% dari algoritma Support Vector Machine (SVM) sedangkan algoritma Decision Tree menghasilkan akurasi 70,09%. Dari penelitian ini, dapat disimpulkan bahwa algoritma Support Vector Machine (SVM) menjadi algoritma yang lebih unggul jika dilihat dari hasil akurasinya yang tinggi dibandingkan dengan algoritma Decision Tree.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Twitter, Analisis Sentimen, Support Vector Machine, Decision Tree
Subjects:	000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	18 Jul 2024 03:05
Last Modified:	18 Jul 2024 03:05
URI:	http://repository.unsada.ac.id/id/eprint/8223

Actions (login required)

View Item