Komparasi Algoritma Klasifikasi Untuk Analisis Sentimen Terhadap Usaha Waralaba Berdasarkan Opini Publik Pada Twitter

research
  • 02 Sep
  • 2020

Komparasi Algoritma Klasifikasi Untuk Analisis Sentimen Terhadap Usaha Waralaba Berdasarkan Opini Publik Pada Twitter

ABSTRAK

Hafiz Syahreva (1180926), Komparasi Algoritma Klasifikasi Untuk Analisis Sentimen Terhadap Usaha Waralaba Berdasarkan Opini Publik Pada Twitter

Peluang usaha waralaba di Indonesia memiliki daya tarik yang relatif tinggi. Meskipun demikian, tidak sedikit para pelaku usaha waralaba yang mengalami kegagalan. Akibatnya menimbulkan keraguan masyarakat yang ingin memulai usaha waralaba. Oleh karena itu, analisa terhadap usaha waralaba perlu dilakukan agar informasi yang dihasilkan dapat meminimalkan tingkat kegagalan yang mungkin terjadi. Dengan memanfaatkan media sosial Twitter sebagai sumber data, prediksi pengklasifikasian Text Mining menggunakan Metode Multinomial Naïve Bayes ini menghasilkan nilai akurasi sebesar 80% yang dapat dikatakan sebagai Good Classification. Namun demikian, prediksi yang dihasilkan kurang akurat karena metode ini menggunakan asumsi yang kuat berdasarkan data latih sebelumnya. Untuk itu, penggunaan metode perhitungan serupa juga dilakukan untuk mengukur tingkat akurasi terhadap masing-masing metode tersebut. Nilai akurasi yang diperoleh dari pengolahan dengan metode Neural Network sebesar 83%, K-nearest Neighbors sebesar 52%, Support Vector Machine 83%, dan Decision Tree mendapatkan nilai sebesar 81%. Sentimen yang diolah merupakan sentimen dengan akurasi yang positif dan diprediksi sebagai prediksi yang baik untuk peluang usaha waralaba di masa yang akan datang.

 

Unduhan

  • File unduhan

    cover.pdf

    Terakhir download 08 May 2025 15:05

    Skripsi_cover.pdf

    •   diunduh 200x | Ukuran 365 KB
  • File unduhan

    DAFTAR PUSTAKA.pdf

    Terakhir download 03 May 2025 10:05

    Skripsi_DAFTAR PUSTAKA.pdf

    •   diunduh 240x | Ukuran 511 KB

 

  • File unduhan

    DAFTAR ISI.pdf

    Terakhir download 03 May 2025 09:05

    Skripsi_DAFTAR ISI.pdf

    •   diunduh 193x | Ukuran 411,036
  • File unduhan

    ABSTRACT.pdf

    Terakhir download 08 May 2025 08:05

    Skripsi_ABSTRACT.pdf

    •   diunduh 289x | Ukuran 612,411

REFERENSI

DAFTAR PUSTAKA

Attabi, A. W., Muflikhah, L., & Fauzi, M. A. (2018). Penerapan Analisis Sentimen untuk Menilai Suatu Produk pada Twitter Berbahasa Indonesia dengan Metode Naïve Bayes Classifier dan Information Gain. 2(11), 4548–4554.

Berliana, G., Shaufiah, & Sa’adah, S. (2018). Klasifikasi Posting Tweet mengenai Kebijakan Pemerintah Menggunakan Naive Bayesian Classification. 5(1), 1562–1569.

Buani, D. C. P. (2016). Optimasi Algoritma Naïve Bayes dengan Menggunakan Algoritma Genetika untuk Prediksi Kesuburan (Fertility). Jurnal Evolusi, 4(1), 55–64.

Das, S., Dey, A., Pal, A., & Roy, N. (2015). Applications of Artificial Intelligence in Machine Learning : Review and Prospect. International Journal of Computer Applications, 115(9), 31–41.

Fajar, R. (2016). Memulai Pemrograman dengan Python. Retrieved July 9, 2019, from July 24, 2016 website: https://www.codepolitan.com/memulai-pemrograman-python

Fathurahman, M. F., Windarti, A., & Purwanto, I. (2018). PENGARUH VALUE DAN PHYSICAL BENEFIT PRODUK WARALABA TERHADAP KEPUASAN KONSUMEN. Journal of Applied Business and Economics, 4(4), 305–319.

Goel, A. (2018). What Is a Confusion Matrix ? Retrieved July 11, 2019, from August 26, 2018 website: https://magoosh.com/data-science/what-is-a-confusion-matrix/

Imanuwelita, V., Putri, R. R. M., & Amalia, F. (2018). Penentuan Kelayakan Lokasi Usaha Franchise Menggunakan Metode AHP dan VIKOR. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(1), 122–132. Retrieved from http://j-ptiik.ub.ac.id

Kurniawansyah, A. S. (2018). IMPLEMENTASI METODE ARTIFICIAL HASIl UJIAN KOMPETENSI KEBIDANAN. V.

Mardi, Y. (2015). Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5. Jurnal Edik Informatika, 2(2), 213–219. Retrieved from ejournal.stkip-pgri-sumbar.ac.id/index.php/eDikInformatika/article/view/1465

Mulawarman, & Nurfitri, A. D. (2017). Perilaku Pengguna Media Sosial beserta Implikasinya Ditinjau dari Perspektif Psikologi Sosial Terapan. Buletin Psikologi, 25(1), 36–44. https://doi.org/10.22146/buletinpsikologi.22759

Murnawan, & Sinaga, A. (2017). PEMANFAATAN ANALISIS SENTIMEN UNTUK PEMERINGKATAN POPULARITAS TUJUAN WISATA. Jurnal Penelitian Pos Dan Informatika, 7(2), 109–120. https://doi.org/10.17933/jppi.2017.070203

Muthia, D. A. (2017). Analisis Sentimen Pada Review Restoran Dengan Teks Bahasa Indonesia Mengunakan Algoritma Naive Bayes. Jurnalilmu Pengetahuan Dan Teknologi Komputer, 2(2), 39–45. https://doi.org/10.1515/HUMOR.2006.009

Muzakir, A., & Wulandari, R. A. (2016). Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree. 3(1), 19–26.

Muzakir, A., & Wulandari, R. A. (2017). Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree. Scientific Journal of Informatics, 3(1), 19–26. https://doi.org/10.15294/sji.v3i1.4610

Palupi, M. T., & Endahati, N. (2019). KESANTUNAN BERBAHASA DI MEDIA SOSIAL ONLINE: TINJAUAN DESKRIPTIF PADA KOMENTAR BERITA POLITIK DI FACEBOOK. Jurnal Skripta, 5(1), 26–31.

Rani, M., & Arora, J. (2016). Twitter Data Predicting Geolacation Using Data Mining Techniques. International Journal of Computer Science and Mobile Computing, 4(6), 10447–10453. https://doi.org/10.15680/IJIRCCE.2016

Riadi, I., Umar, R., & Aini, F. D. (2019). ANALISIS PERBANDINGAN DETECTION TRAFFIC ANOMALY DENGAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE ( SVM ). 11(10), 17–24.

Romadloni, N. T., Santoso, I., & Budilaksono, S. (2019). PERBANDINGAN METODE NAIVE BAYES , KNN DAN DECISION TREE TERHADAP ANALISIS SENTIMEN TRANSPORTASI KRL COMMUTER LINE. 3(2), 1–9.

Sanjaya, S., & Absar, E. A. (2015). Pengelompokan Dokumen Menggunakan Winnowing Fingerprint dengan Metode K - Nearest Neighbour. Jurnal CoreIT, 1(2), 50–56.

Sumarlin. (2015). Implementasi Algoritma K-Nearest Neighbor Sebagai Pendukung Keputusan Klasifikasi Penerima Beasiswa PPA dan BBM. Jurnal Sistem Informasi Bisnis, 01, 52–62.

Vinodhini, G., & Chandrasekaran, R. M. (2016). A comparative performance evaluation of neural network based approach for sentiment classification of online reviews. Journal of King Saud University - Computer and Information Sciences, 28(1), 2–12. https://doi.org/10.1016/j.jksuci.2014.03.024

Widaningsih, S., & Suheri, A. (2018). KLASIFIKASI JURNAL ILMU KOMPUTER BERDASARKAN PEMBAGIAN WEB OF SCIENCE DENGAN MENGGUNAKAN TEXT MINING. 23–24

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru