RAYKA AGUSTASYA RIPHA (2022) ANALISIS SENTIMEN PENGGUNA APLIKASI TRAVELOKA MENGGUNAKAN METODE MACHINE LEARNING. S1 thesis, Universitas Muhammadiyah Yogyakarta.
Halaman Judul.pdf
Download (308kB)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (184kB)
Abstrak.pdf
Restricted to Registered users only
Download (60kB)
Bab I.pdf
Download (132kB)
Bab II.pdf
Restricted to Registered users only
Download (532kB)
Bab III.pdf
Restricted to Registered users only
Download (745kB)
Bab IV.pdf
Restricted to Registered users only
Download (516kB)
Bab V.pdf
Restricted to Registered users only
Download (60kB)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (129kB)
Lampiran.pdf
Restricted to Registered users only
Download (247kB)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (425kB)
Full Text.pdf
Restricted to Repository staff only
Download (2MB)
Abstract
Perkembangan teknologi di Indonesia sangat berkembang pesat, melalui e-commerce memungkinkan pengguna untuk memenuhi kebutuhan masyarakat di era digital. Sebagai platform popular, Traveloka digunakan untuk memenuhi kebutuhan perjalanan masyarakat. Traveloka merupakan salah satu perusahaan teknologi yang menyediakan akses bagi pengguna untuk menemukan dan membeli berbagai macam produk transportasi, akomodasi, aktivitas, gaya hidup, dan layanan keuangan. Dengan adanya layanan daring ini memudahkan masyarakat memperoleh tiket atau layanan transportasi secara mudah dan cepat. Hal tersebut mendorong dilakukannya penelitian ini guna mengetahui performa layanan berdasarkan ulasan pengguna aplikasi Traveloka. Untuk mengidentifikasi ulasan pengguna mengenai aplikasi Traveloka dibutuhkan analisis sentimen dengan menggunakan sebuah algoritma yang bertujuan untuk membantu proses analisis sentimen dengan data yang cukup banyak. Dalam penelitian ini proses sentimen menggunakan salah satu metode machine learning yang mengkomparasikan ketiga metode Naïve Bayes, Support Vector Machine dan K-Nearest Neighbor. Hasil evaluasi dari penelitian ini memperoleh hasil bahwa metode naïve bayes sebesar 69.60%, support vector machine sebesar 82.90% dengan penentuan parameter libsvm dan k-nearest neighbor sebesar 76.62% dengan penentuan k serta parameter k-fold cross validation dan shuffled sampling
Item Type: | Thesis (S1) |
---|---|
Divisions: | Fakultas Teknik > Teknologi Informasi S1 |
Depositing User: | Aidilla Qurotianti |
Date Deposited: | 30 Nov 2022 02:12 |
Last Modified: | 30 Nov 2022 02:12 |
URI: | https://etd.umy.ac.id/id/eprint/35225 |