ANALISIS SENTIMEN PADA APLIKASI PEDULILINDUNGI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA SUPPORT VECTOR MACHINE
MUHAMMAD AFFAN RAMADHANI YURIZIA

Informasi Umum

Kode

23.04.1589

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

318 kali

Informasi Lainnya

Abstraksi

<p>Virus COVID-19 ini pertama kali ditemukan pada Desember 2019 di Wuhan, Ibukota Provinsi Hubei China, dan sejak itu menyebar secara global di seluruh dunia mengakibatkan pandemi <i>coronavirus</i>. Khususnya di Indonesia, virus COVID-19 ini baru muncul pertama kali pada bulan Maret tahun 2020. Upaya pemerintah Indonesia untuk mengatasi COVID-19 ini salah satunya melalui aplikasi Android yang bernama PeduliLindungi. Aplikasi PeduliLindungi merupakan wadah penanganan dan peran serta masyarakat untuk berbagi data lokasi saat bepergian agar penelusuran riwayat kontak dengan penderita COVID-19 di Indonesia dapat segera dilakukan. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat terhadap aplikasi PeduliLindungi yang dapat dikategorikan sebagai sentimen positif, negatif, netral menggunakan algoritma <i>Support Vector Machine </i>(SVM). Pengumpulan data diambil dengan cara mengambil data dari google play <i>review</i> yaitu PeduliLindungi. Data <i>review</i> dari pengguna dikumpulkan sebanyak 10000 kemudian dilabeli secara manual sesuai sentimen. Kemudian dilakukan proses <i>preprocessing </i>untuk menghapus <i>emoji</i>, mengubah semua kalimat menjadi huruf kecil, menghilangkan angka, tanda baca, dan <i>symbol</i>, menghapus data duplikasi, menghapus nilai <i>Null</i>, memecahkan kalimat menjadi kata perkata, menghilangkan kata yang tidak memiliki makna, dan menjadikan kata tersebut menjadi kata dasar. Kemudian hasil data yang sudah dilakukan <i>preprocessing </i>diberi bobot agar dapat diklasifikasikan menggunakan algoritma SVM. Data akan dibagi menjadi dua yaitu data <i>training </i>dan data <i>testing</i> menggunakan rasio 70:30 dan percobaan menggunakan perbandingan kernel <i>sigmoid, </i>kernel RBF, dan kernel <i>poly</i> yang menghasilkan kernel terbaik yaitu kernel RBF<i>. </i>Kemudian dilakukan evaluasi menggunakan <i>confusion matrix</i> dengan rasio 70:30 menggunakan kernel <i>sigmoid </i>menghasilkan rata-rata <i>precision </i>91%, <i>recall </i>91%, <i>f1-score </i>97%, dan akurasi sebesar 91%. Kemudian hasil evaluasi <i>confution matrix </i>dilakukan validasi dengan <i>k-fold cross validation</i> yang menghasilkan rata-rata sebesar 90,7%.</p>

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook