KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE TERHADAP ANALISIS SENTIMEN VECTOR MACHINE TERHADAP ANALISIS SENTIMEN PENGGUNAAN LAYANAN MYXL PADA PENGGUNAAN LAYANAN MYXL PADA MEDIA SOSIAL TWITTER

FADILA, WAHIDDAH NUR (2023) KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE TERHADAP ANALISIS SENTIMEN VECTOR MACHINE TERHADAP ANALISIS SENTIMEN PENGGUNAAN LAYANAN MYXL PADA PENGGUNAAN LAYANAN MYXL PADA MEDIA SOSIAL TWITTER. S1 thesis, Universitas Mercu Buana Jakarta.

	Text (COVER) 01 COVER.pdf Download (498kB)
	Text (ABSTRAK) 02 ABSTRAK.pdf Download (173kB)
	Text (BAB I) 03 BAB 1.pdf Restricted to Registered users only Download (233kB)
	Text (BAB II) 04 BAB 2.pdf Restricted to Registered users only Download (383kB)
	Text (BAB III) 05 BAB 3.pdf Restricted to Registered users only Download (217kB)
	Text (BAB IV) 06 BAB 4.pdf Restricted to Registered users only Download (500kB)
	Text (BAB V) 07 BAB 5.pdf Restricted to Registered users only Download (167kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (188kB)
	Text (LAMPIRAN) 09 LAMPPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

This study aims to compare algorithms for sentiment analysis of twitter users towards the use of myXL services. myXL is a self-service service for XL service provider users made by PT XL Axiata Tbk. The data used in this study are tweets written by users with the keyword 'myXL'. The raw dataset amounted to 1,112 tweet data taken with data crawling techniques through the Twitter API. Twitter sentiment analysis in this study uses the Naïve Bayes Classifier and Support Vector Machine classification algorithms. After the dataset goes through the preprocessing stage, the data amounts to 550 tweet data, where the data is then labeled. Labeling is divided into two classes, namely positive class and negative class. From 550 tweet data, the test results show that the accuracy value generated from using the Naïve Bayes algorithm is 73.82%, precision is 71.69% and recall is 73.22%. While the accuracy value of using the Support Vector Machine algorithm is 74.55%, precision is 79.98% and recall is 63.66%. This shows that the Support Vector Machine algorithm shows better results and higher accuracy values when compared to the use of the Naïve Bayes algorithm. With this research, it is hoped that it can become new knowledge for readers and can be a reference for companies in conducting sentiment analysis on social media. Keywords: Twitter, Sentiment, Classification, Naïve Bayes, Support Vector Machine Penelitian ini bertujuan untuk melakukan komparasi algoritma untuk analisis sentimen pengguna twitter terhadap penggunaan layanan myXL. myXL merupakan sebuah layanan layanan mandiri untuk para pengguna layanan provider XL yang dibuat oleh PT XL Axiata Tbk. Data yang digunakan pada penelitian ini adalah tweet yang dituliskan pengguna dengan kata kunci ’myXL’. Dataset mentah berjumlah 1.112 data tweet yang diambil dengan teknik crawling data melalui API Twitter. Analisis sentimen twitter pada penelitian ini menggunakan algoritma klasifikasi Naïve Bayes Classifier dan Support Vector Machine. Setelah dataset melalui tahapan preprocessing, data berjumlah 550 data tweet, dimana data tersebut lalu diberi label. Pelabelan dibagi ke dalam dua kelas yaitu kelas positif dan kelas negatif. Dari data tweet sebanyak 550 data, hasil pengujian menunjukkan bahwa nilai akurasi yang dihasilkan dari penggunaan algoritma Naïve Bayes sebesar 73.82%, precision sebesar 71.69% dan recall sebesar 73.22%. Sedangkan nilai akurasi dari penggunaan algoritma Support Vector Machine sebesar 74.55%, precision sebesar 79.98% dan recall sebesar 63.66%. Hal ini menunjukkan bahwasanya algoritma Support Vector Machine menunjukkan hasil yang lebih baik dan nilai akurasi yang lebih tinggi jika dibandingkan dengan penggunaan algoritma Naïve Bayes. Dengan adanya penelitian ini diharapkan dapat menjadi pengetahuan baru bagi pembaca dan dapat menjadi referensi perusahaan dalam melakukan analisis sentimen pada media sosial khususnya twitter untuk dapat meningkatkan kualitas produk layanannya. Kata Kunci : Twitter, Sentimen, Klasifikasi, Naïve Bayes, Support Vector Machine

Actions (login required)

View Item