Analisis Sentimen terhadap Kepuasan Pelanggan dengan Fitur Pembobotan TF-IDF Menggunakan Learning Vector Quantization (Studi Kasus Provider Internet Indihome)

FARAH MAULIDIYAH

Informasi Umum

Kode

19.04.358

Klasifikasi

621.39 - Computer engineering, Electronic digital computers, Central processing units, Computer reliability, General Computer Performance Evaluation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Engineering

Dilihat

341 kali

Informasi Lainnya

Abstraksi

Abstrak Twitter merupakan salah satu media sosial yang masih populer sampai saat ini. Pengguna dapat mengirimkan pesan singkat mengenai perasaannya terhadap berbagai hal di Twitter, sehingga dapat diperoleh informasi yang mampu diolah. Salah satunya adalah analisis sentimen terhadap suatu produk atau jasa. Pada penelitian tugas akhir ini, penulis menggunakan fitur pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) dan metode Learning Vector Quantization (LVQ) untuk dapat menganalisis sentimen terhadap kepuasan pelanggan provider Internet Indihome. Dari hasil pengujian didapat nilai akurasi tertinggi pada penelitian ini 77% dengan menggunakan skema unigram + trigram dan pembobotan TF-IDF. Juga dapat diketahui bahwa nilai kepuasan pelanggan terhadap Indihome cukup rendah karena terdapat 63% cuitan negatif dari data uji.

Kata kunci : Twitter, Analisis Sentimen, Machine Learning, TF-IDF, Learning Vector Quantization (LVQ)