KLASIFIKASI SENTIMEN PELAYANAN MASKAPAI PENERBANGAN INDONESIA MENGGUNAKAN PEMBOBOTAN TF-IDF DAN METODE K-NEAREST NEIGHBOR (KNN)
| Main Author: | Rahman Aditya, 11551102857 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/25023/1/EX%20BAB%20V.pdf http://repository.uin-suska.ac.id/25023/2/LAPORAN%20SKRIPSI%20FIX%20VALIDASI%20only%20bab%205.pdf http://repository.uin-suska.ac.id/25023/ |
Daftar Isi:
- Untuk dapat menentukan kualitas maskapai Garuda Indonesia dapat dilihat dari review online masyarakat terhadap maskapai Garuda Indonesia, baik sentimen positif maupun sentimen negatif. Memerlukan waktu lama untuk mengetahui kualitas jasa maskapai Garuda Indonesia jika hanya melihat satu per satu review online tersebut. Maka diperlukan klasifikasi sentimen untuk dapat dengan mudah mengklasifikasi sentimen-sentimen pada maskapai Garuda Indonesia. Pada penelitian ini, penulis akan menggunakan media sosial Twitter untuk pengambilan data sentimen yang akan diklasifikasi dan menggunakan metode K-Nearest Neighbor. Data yang digunakan yaitu tweet tentang maskapai Garuda Indonesia. Data tweet diperoleh berdasarkan komentar terhadap Garuda indonesia dengan memanfaatkan Twitter API (Application Programming Interface). Penelitian ini menggunakan dataset 1000 data yang dibagi menjadi 500 data sentimen negatif dan 500 data sentimen positif. Hasil dari proses pengujian menggunakan confusion matrix memperoleh akurasi tertinggi yaitu sebesar 84% dan error rate sebesar 16% pada model dataset 90%:10% dengan nilai K bernilai 3 dan K bernilai 7, threshold bernilai 12. Berdasarkan hasil penelitian dapat disimpulkan bahwa metode K-Nearest Neighbor baik dalam proses klasifikasi sentimen terhadap maskapai Garuda Indonesia pada media sosial Twitter.