Cover Image

Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi

Main Author: Luthfiana, Lulu
Format: Thesis NonPeerReviewed application/pdf
Bahasa: eng
Terbitan: , 2020
Subjects:
T58.5-58.64 Information technology
Online Access: http://kc.umn.ac.id/14929/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/14929/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/14929/3/BAB_I.pdf
http://kc.umn.ac.id/14929/4/BAB_II.pdf
http://kc.umn.ac.id/14929/5/BAB_III.pdf
http://kc.umn.ac.id/14929/6/BAB_IV.pdf
http://kc.umn.ac.id/14929/7/BAB_V.pdf
http://kc.umn.ac.id/14929/8/LAMPIRAN.pdf
http://kc.umn.ac.id/14929/
ctrlnum 14929
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/14929/</relation><title>Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi</title><creator>Luthfiana, Lulu</creator><subject>T58.5-58.64 Information technology</subject><description>User feedback diambil untuk memahami keluhan pengguna agar tersampaikan kepada engineer untuk bisa memilihara aplikasinya. Dari user feedback didapatkan informasi seperti bug report yang menjelaskan kelemahan dari apikasi yang digunakan dan juga bisa masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari user feedback dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam pengklasifikasiannya karena user feedback tidak sedikit namun bisa ribuan setiap saat. Maka, dibutuhkannya sistem otomasi analisa sentimen user feedback. Untuk mengatasi permasalahan tersebut, sentimen analisis dapat menggunakan algoritma Support Vector Machine untuk menentukan sebuah feedback memiliki sentimen positif, negatif, atau netral. Berdasarkan penelitian sebelumnya, sentimen analisis menggunakan algoritma Support Vector Machine sebagai klasifikasi dikarenakan algoritma tersebut merupakan algoritma yang paling baik. Namun, diperlukannya juga fitur seleksi untuk meningkatkan hasil akurasi pada sentimen analisis.Dalam penelitian lain menyebutkan dengan menggunakan fitur seleksi Chi Square mendapatkan hasil akurasi pada analisis sentiment yang lebih baik. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine dan fitur seleksi Chi Square pada user feedback aplikasi dengan bahasa pemograman python, serta menghitung akurasi pada prediksi sentimen. Berdasarkan beberapa uji coba, akurasi yang dievaluasi menggunakan classification report menunjukkan bahwa model pada pembagian data train dan test set sebesar 80:20, nilai kritis 6,63 pada Chi Square, dan klasifikasi model Support Vector Machine dengan parameter C 100 gamma 0,001 menghasilkan performa yang paling baik, dengan nilai accuracy 77%, precision 50%, recall 55% dan f1 score 73%.</description><date>2020</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/1/HALAMAN_AWAL.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/2/DAFTAR_PUSTAKA.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/3/BAB_I.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/4/BAB_II.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/5/BAB_III.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/6/BAB_IV.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/7/BAB_V.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/14929/8/LAMPIRAN.pdf</identifier><identifier> Luthfiana, Lulu (2020) Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi. Bachelor Thesis thesis, Universitas Multimedia Nusantara. </identifier><recordID>14929</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
File:application/pdf
File
author Luthfiana, Lulu
title Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi
publishDate 2020
topic T58.5-58.64 Information technology
url http://kc.umn.ac.id/14929/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/14929/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/14929/3/BAB_I.pdf
http://kc.umn.ac.id/14929/4/BAB_II.pdf
http://kc.umn.ac.id/14929/5/BAB_III.pdf
http://kc.umn.ac.id/14929/6/BAB_IV.pdf
http://kc.umn.ac.id/14929/7/BAB_V.pdf
http://kc.umn.ac.id/14929/8/LAMPIRAN.pdf
http://kc.umn.ac.id/14929/
contents User feedback diambil untuk memahami keluhan pengguna agar tersampaikan kepada engineer untuk bisa memilihara aplikasinya. Dari user feedback didapatkan informasi seperti bug report yang menjelaskan kelemahan dari apikasi yang digunakan dan juga bisa masukan dari pengguna dari apa yang kurang dalam aplikasi yang digunakan. Dari user feedback dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam pengklasifikasiannya karena user feedback tidak sedikit namun bisa ribuan setiap saat. Maka, dibutuhkannya sistem otomasi analisa sentimen user feedback. Untuk mengatasi permasalahan tersebut, sentimen analisis dapat menggunakan algoritma Support Vector Machine untuk menentukan sebuah feedback memiliki sentimen positif, negatif, atau netral. Berdasarkan penelitian sebelumnya, sentimen analisis menggunakan algoritma Support Vector Machine sebagai klasifikasi dikarenakan algoritma tersebut merupakan algoritma yang paling baik. Namun, diperlukannya juga fitur seleksi untuk meningkatkan hasil akurasi pada sentimen analisis.Dalam penelitian lain menyebutkan dengan menggunakan fitur seleksi Chi Square mendapatkan hasil akurasi pada analisis sentiment yang lebih baik. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine dan fitur seleksi Chi Square pada user feedback aplikasi dengan bahasa pemograman python, serta menghitung akurasi pada prediksi sentimen. Berdasarkan beberapa uji coba, akurasi yang dievaluasi menggunakan classification report menunjukkan bahwa model pada pembagian data train dan test set sebesar 80:20, nilai kritis 6,63 pada Chi Square, dan klasifikasi model Support Vector Machine dengan parameter C 100 gamma 0,001 menghasilkan performa yang paling baik, dengan nilai accuracy 77%, precision 50%, recall 55% dan f1 score 73%.
id IOS6965.14929
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2020-12-19T03:52:08Z
last_indexed 2020-12-19T03:52:08Z
recordtype dc
_version_ 1686477467528724480
score 17.538404

Lihat Juga