IMPLEMENTASI METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) MENGGUNAKAN RAPIDMINER UNTUK ANALISIS SENTIMEN ULASAN APLIKASI MY PERTAMINA DI GOOGLE PLAY STORE

Devi Puspita Dewi, - (2023) IMPLEMENTASI METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) MENGGUNAKAN RAPIDMINER UNTUK ANALISIS SENTIMEN ULASAN APLIKASI MY PERTAMINA DI GOOGLE PLAY STORE. S1 thesis, Universitas Pendidikan Indonesia.

Baca Full Text klik disini
[img] Text
S_SISTEL_1905877_Title.pdf
Download (419kB)
[img] Text
S_SISTEL_1905877_Chapter1.pdf
Download (64kB)
[img] Text
S_SISTEL_1905877_Chapter2.pdf
Restricted to Staf Perpustakaan
Download (308kB)
[img] Text
S_SISTEL_1905877_Chapter3.pdf
Download (215kB)
[img] Text
S_SISTEL_1905877_Chapter4.pdf
Restricted to Staf Perpustakaan
Download (694kB)
[img] Text
S_SISTEL_1905877_Chapter5.pdf
Download (171kB)
[img] Text
S_SISTEL_1905877_Appendix.pdf
Restricted to Staf Perpustakaan
Download (192kB)
Official URL: http://repository.upi.edu

Abstract

Perkembangan teknologi yang semakin pesat mempengaruhi digitalisasi di segala bidang tak terkecuali pada bidang BUMN. Hal ini seperti yang diterapkan salah satunya oleh PT Pertamina yang baru-baru ini gencar dalam mempromosikan aplikasi My Pertamina. Dengan adanya aplikasi My Pertamina, diharapkan dapat membantu PT Pertamina dalam melakukan pendataan dan membatasi pembelian BBM subsidi sehingga dapat meminimalisir kecurangan. Aplikasi ini menjadi popular semenjak Pertamina mengeluarkan kebijakan yang mewajibkan masyarakat untuk melakukan pendaftaran. Hingga saat ini, aplikasi My Pertamina telah diunduh sebanyak +10.000.000 pengguna dan memiliki jumlah ulasan sebanyak +329.000 ulasan dengan rating aplikasi sebanyak 2,7 dari 5. Peninjauan urgensi penggunaaan aplikasi My Pertamina dapat disimpulkan masih rendahnya rating aplikasi, maka pada penelitian ini akan dilakukan analisis sentimen terhadap aplikasi My Pertamina di Google Play Store dengan menggunakan 5.000 ulasan untuk mengetahui bagaimana sentimen pengguna terhadap aplikasi ini. Pada proses mendapatkan data, peneliti menggunakan Google Colab untuk melakukan data scraping, microsoft excel untuk melakukan data cleansing, dan software RapidMiner untuk melakukan text pre-processing dan visualisasi hasil. Pada penelitian ini, metode klasifikasi yang diimplementasikan yaitu algoritma Support Vector Machine (SVM) yang mana didapatkan hasil untuk prediction (data testing) dengan label negatif yaitu sebanyak 3.017 ulasan dan label positif sebanyak 1.772. Kemudian untuk jumlah kata yang sering muncul setelah dilakukan text pre-processing adalah kata “susah” dengan jumlah kemunculan kata sebanyak 477 kali, kata “ribet” sebanyak 469 kali, dan kata “pertamina” sebanyak 388 kali. Selanjutmya, untuk pengukuran hasil evaluasi pada penelitian ini didapatkan hasil untuk nilai accuracy sebanyak 87,87%, recall sebanyak 93,31%, precision sebanyak 72,40 %, dan f-1 score sebanyak 81,53%. ----- The rapid development of technology affects digitalization in all fields, including the government sector. This is as applied by PT Pertamina, which has recently been aggressively promoting the My Pertamina application. With the My Pertamina application, it is hoped that it can assist PT Pertamina in collecting data and limiting subsidized fuel purchases so as to minimize fraud. This application has become popular since Pertamina issued a policy that requires the public to register. Until now, the My Pertamina application has been downloaded by +10,000,000 users and has a total of +329,000 reviews with an application rating of 2.7 out of 5. Reviewing the urgency of using the My Pertamina application, it can be concluded that the application rating is still low, so this research will conduct a sentiment analysis of the My Pertamina application on the Google Play Store using 5,000 reviews to find out how user sentiment towards this application. In the process of obtaining data, researchers use Google Colab to perform data scraping, Microsoft Excel to perform data cleansing, and RapidMiner software to perform text pre-processing and visualization of results. In this study, the classification method implemented is the Support Vector Machine (SVM) algorithm which obtained results for prediction (testing data) with negative labels, namely 3,017 reviews and 1,772 positive labels. Then the number of words that often appear after text pre-processing is the word "susah" with the word appearing 477 times, the word "ribet" 469 times, and the word "pertamina" 388 times. Furthermore, for measuring the results of the evaluation in this study, the results for the accuracy value were 87.87%, the recall was 93.31%, the precision was 72.40%, and the f-1 score was 81.53%.

Item Type: Thesis (S1)
Additional Information: Link Google Scholar: Dewi Indriati Hadi Putri: https://scholar.google.com/citations?user=c1yqv-UAAAAJ&hl=id&oi=ao https://scholar.google.com/citations?user= Syifaul Fuada: https://scholar.google.com/citations?user=3KrQmawAAAAJ&hl=id&oi=ao ID SINTA: Dewi Indriati Hadi Putri: 6720737 Syifaul Fuada: 5981677
Uncontrolled Keywords: RapidMiner, My Pertamina, Analisis Sentimen, SVM, Google Play Store
Subjects: L Education > LC Special aspects of education
T Technology > T Technology (General)
Divisions: UPI Kampus Purwakarta > S1 Sistem Telekomunikasi
Depositing User: Devi Puspita Dewi
Date Deposited: 01 Sep 2023 07:15
Last Modified: 01 Sep 2023 07:15
URI: http://repository.upi.edu/id/eprint/100551

Actions (login required)

View Item View Item