Analisis Sentimen Kepuasan Pelanggan menggunakan Query Expansion Ranking pada Algoritma Support Vector Machine

2107411014, Cut Azimah Noor Hanifah (2025) Analisis Sentimen Kepuasan Pelanggan menggunakan Query Expansion Ranking pada Algoritma Support Vector Machine. D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas Skripsi, Bab I Pendahuluan, dan Bab V Penutup] Text (Halaman Identitas Skripsi, Bab I Pendahuluan, dan Bab V Penutup)
2107411014_Cut Azimah Noor Hanifah_Halaman Identitas Skripsi.pdf

Download (1MB)
[thumbnail of Bab II Tinjauan Pustaka, Bab III Metode Penelitian, dan Bab IV Hasil dan Pembahasan] Text (Bab II Tinjauan Pustaka, Bab III Metode Penelitian, dan Bab IV Hasil dan Pembahasan)
2107411014_Cut Azimah Noor Hanifah_Isi Skripsi.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (1MB)
[thumbnail of Manuskrip Artikel Ilmiah] Text (Manuskrip Artikel Ilmiah)
2107411014_Cut Azimah Noor Hanifah_Manuskrip Jurnal.pdf
Restricted to Hanya Staff Repositori

Download (686kB)

Abstrak

Perkembangan teknologi memberikan kemudahan bagi pelanggan untuk menyampaikan pendapat maupun penilaian terhadap suatu layanan yang digunakan. Salah satu
pendekatan yang efektif dalam menganalisa kepuasan pelanggan adalah melalui analisis sentimen, yang memungkinkan pengklasifikasian sentimen ke dalam kategori positif, netral, atau negatif. Penelitian ini memiliki tujuan untuk melakukan klasifikasi sentimen pelanggan dengan menggunakan algoritma Support Vector Machine (SVM) dan
mengimplementasikan seleksi fitur Query Expansion Rangking untuk meningkatkam relevansi fitur dan kinerja klasifikasi. Data yang digunakan merupakan data primer yang
di crawling dari media sosial X, merujuk pada salah satu layanan jasa ojek online. Model SVM diuji dengan menggunakan metode Stratified K-Fold Cross Validation untuk menghindari overfitting saat pemrosesan. Berdasarkan hasil pengujian terhadap data yang telah dilabeli manual dengan kategori negatif, netral dan positif, model SVM dengan kernel Linear dan implementasi QER menggunakan rasio fitur 100% memberikan performa dengan nilai akurasi sebesar 75% dan nilai kappa 57%.
Kata kunci: Analisis sentimen, Kepuasan pelanggan, Query Expansion Rangking,
Support Vector Machine, X (twitter)

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: Cut Azimah Noor Hanifah
Date Deposited: 25 Jul 2025 05:54
Last Modified: 25 Jul 2025 05:54
URI: https://repository.pnj.ac.id/id/eprint/29438

Actions (login required)

View Item
View Item