Analisis sentimen terhadap pengguna gojek menggunakan metode k-nearest neighbor (knn)
| Main Author: | Irawan, Faiza Rizqi |
|---|---|
| Format: | Bachelors NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
http://eprints.umk.ac.id/17634/1/Hal%20Judul.pdf http://eprints.umk.ac.id/17634/2/BAB%20I.pdf http://eprints.umk.ac.id/17634/3/BAB%20II.pdf http://eprints.umk.ac.id/17634/4/BAB%20III.pdf http://eprints.umk.ac.id/17634/5/BAB%20IV.pdf http://eprints.umk.ac.id/17634/6/BAB%20V.pdf http://eprints.umk.ac.id/17634/7/Daftar%20Pustaka.pdf http://eprints.umk.ac.id/17634/8/Lampiran.pdf http://eprints.umk.ac.id/17634/ |
Daftar Isi:
- Zaman modern menjadikan internet sebagai hal wajar, masyarakat sering menggunakan media sosial sebagai microblogging. Masyarakat menggunakannya untuk mengekspresikan diri dan mengemukakan pendapat. Salah satu media sosial yang digunakan yaitu twitter. Informasi yang dapat dibagikan pada twitter dinamakan tweet. Tweet memiliki batas yang dulunya 140 karakter menjadi 280 karakter(Haqqizar dan Larasyanti, 2019). Tweet dapat berupa teks, foto, video, dan sebagainya, melalui tweet pengguna dapat berinteraksi satu sama lain. Mereka dapat membagikan informasi, memberikan pendapat, menjelaskan suatu kejadian dan sebagainya. Gojek merupakan startup yang bergerak dibidang ride hailing. Perusahaan Gojek sudah berdiri dari tahun 2010 oleh Nadiem Makarim, hampir seluruh kota di Indonesia sudah terjangkau Gojek. Setiap tahunnya dibutuhkan evaluasi dan juga penilaian terhadap layanan Gojek untuk mengetahui respon pengguna Gojek. Penelitian ini membahas klasifikasi sentimen positi, negatif, atau netral terhadap respon pengguna Gojek di media sosial twitter dengan menerapkan metode K-Nearest Neighbor (KNN). Hasil klasifikasi menggunakan metode K-Nearest Neighbor (KNN) mampu mengklasifikasikan respon dari pengguna twitter dan dapat digunakan perusahaan Gojek sebagai bahan evaluasi dan penilaian terhadap layanan Gojek. Hasil pengujian metode K-Nearest Neighbor (KNN) menggunakan confusion matrix dengan data sebanyak 1409 mendapatkan tingkat akurasi sebesar 79,43% dengan nilai k=15.