Skripsi Muhamad Kurniawan

research
  • 20 Oct
  • 2025

Skripsi Muhamad Kurniawan

RedBus merupakan salah satu aplikasi pemesanan tiket bus secara daring yang banyak digunakan di Indonesia. Namun, seiring tingginya volume pengguna, muncul berbagai ulasan dengan sentimen beragam yang belum dianalisis secara sistematis. Penelitian ini mempunyai tujuan untuk menganalisis sentimen pengguna terhadap aplikasi RedBus dengan menerapkan metode Support Vector Machine (SVM) pada kumpulan data berisi 5.000 ulasan. Proses dimulai dengan pengambilan data menggunakan teknik web scraping, kemudian dilanjutkan dengan tahapan preprocessing yang mencakup cleaning, tokenisasi, case folding, stemming, penghapusan kata tidak bermakna (stopword removal), dan normalisasi. Data diberi label secara otomatis menggunakan pendekatan berbasis leksikon (lexicon-based), lalu dibagi menjadi data latih sebesar 80% dan data uji sebesar 20%. Penelitian ini juga membandingkan performa tiga algoritma klasifikasi SVM, Naive Bayes, dan K-Nearest Neighbor (KNN) dengan bantuan library PyCaret. Hasil cross-validation menampilkan bahwa model SVM memperoleh akurasi tertinggi sebesar 99,13%, disertai oleh Naive Bayes sebesar 98,68% dan KNN sebesar 98,26%. Model terbaik, yaitu SVM dengan kernel linear, kemudian diterapkan pada data uji dan menghasilkan akurasi akhir sebesar 94,16%. Nilai metrik evaluasi seperti precision, recall, dan F1-score masing-masing sebesar 0,94, yang memperlihatkan bahwa model mempunyai performa klasifikasi yang cukup optimal untuk mengkaji sentimen pengguna aplikasi RedBus.

Unduhan

  • File unduhan

    File_1.pdf

    Terakhir download 14 Dec 2025 19:12

    Cover

    •   diunduh 16x | Ukuran 8,490 KB
  • File unduhan

    File_5.pdf

    Terakhir download 24 Oct 2025 09:10

    Bab 4

    •   diunduh 1x | Ukuran 8,819 KB
  • File unduhan

    File_2.pdf

    Terakhir download 22 Oct 2025 12:10

    Bab 1

    •   diunduh 1x | Ukuran 139 KB
  • File unduhan

    File_4.pdf

    Terakhir download 22 Oct 2025 15:10

    Bab 3

    •   diunduh 2x | Ukuran 336 KB
  • File unduhan

    File_3.pdf

    Terakhir download 24 Oct 2025 09:10

    Bab 2

    •   diunduh 1x | Ukuran 1,249 KB

 

  • File unduhan

    File_3.pdf

    Terakhir download 24 Oct 2025 09:10

    Bab 2

    •   diunduh 1x | Ukuran 1,279,286
  • File unduhan

    File_6.pdf

    Terakhir download 22 Oct 2025 17:10

    Bab 5

    •   diunduh 1x | Ukuran 108,256
  • File unduhan

    Full Tugas Akhir.pdf

    Terakhir download 11 Dec 2025 08:12

    Full Laporan Tugas Akhir

    •   diunduh 3x | Ukuran 25,379,300
  • File unduhan

    File_7.pdf

    Terakhir download 03 Dec 2025 00:12

    Lampiran

    •   diunduh 13x | Ukuran 1,085,471
  • File unduhan

    File_8.pdf

    Terakhir download 02 Dec 2025 19:12

    Artikel Ilmiah

    •   diunduh 12x | Ukuran 2,747,003

REFERENSI

  1. [1]  A. Riyadi, S. Andryana, and W. Winarsih, “Pemilihan Transportasi Bus Antar Kota Antar Provinsi (AKAP) Dengan Metode Simple Additive Weighting (SAW), Weighted Product (WP), dan Promethee Berbasis Android,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 5, no. 3, p. 247, 2021, doi: 10.35870/jtik.v5i3.177.

  2. [2]  L. R. Sinaga, N. Efendi, and M. I. Harori, “Pengaruh Kualitas Pelayanan, Fasilitas, Dan Harga Terhadap Kepuasan Konsumen Pengguna Jasa Transportasi Bus Damri,” J. Perspekt. Bisnis, vol. 3, no. 2, pp. 89–96, 2020, doi: 10.23960/jpb.v3i2.33.

  3. [3]  N. Pramudibyo, M. R. Muttaqin, and M. A. Sunandar, “Analisis Kepuasan Pengguna Terhadap Aplikasi Redbus Dengan Menggunakan Metode End User Computing Satisfaction (Eucs),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 1099–1107, 2024, doi: 10.23960/jitet.v12i2.4133.

  4. [4]  D. N. N. Husnina, D. E. Ratnawati, and B. Rahayudi, “Analisis Sentimen Pengguna Aplikasi RedBus berdasarkan Ulasan di Google Play Store menggunakan Metode Naïve Bayes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 2, pp. 737–743, 2023.

  5. [5]  W. E. Saputro, H. Yuana, and W. D. Puspitasari, “ANALISIS SENTIMEN PENGGUNA DOMPET DIGITAL DANA PADA KOLOM KOMENTAR GOOGLE PLAY STORE DENGAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1151–1156, 2023.

  6. [6]  S. Nadhifah, F. N. Aini, H. H. Kusumawardhani, and M. Y. Febrianto, “Analisis Sentiment Ulasan Aplikasi Gopay Pada Google Play Store Menggunakan Algoritma Support Vector Machine,” SURYA Inform., vol. 14, no. 1, pp. 1–6, 2024.

  7. [7]  M. D. Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022, doi: 10.31539/intecoms.v5i1.3708.

  8. [8]  D. A. Fitri and A. Putri, “Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support Vector Machine,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 3, pp. 472–478, 2022, doi: 10.37859/coscitech.v3i3.4260.

  9. [9]  A. P. Astuti, S. Alam, and I. Jaelani, “Komparasi Algoritma Support Vector Machine dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo,” J. Bangkit Indones., vol. 11, no. 2, pp. 1–7, 2022, doi: 10.52771/bangkitindonesia.v11i2.196.

  10. [10]  J. Bell, Machine Learning HANDS-ON FOR DEVELOPERS AND TECHNICAL PROFESSIONALS. Canada: Jhon Wiley & Sons, 2015.

  1. [11]  N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021, doi: 10.28932/jutisi.v7i1.3216.

  2. [12]  D. T. Larose and C. D. Larose, Data Mining and Predictive Analytics, WILEY SERI. Canada: Jhon Wiley & Sons, 2015.

  3. [13]  H. Nuraliza, O. N. Pratiwi, and F. Hamami, “Analisis Sentimen IMBd Film Review Dataset Menggunakan Support Vector Machine (SVM) dan Seleksi Feature Importance,” J. Mirai Manaj., vol. 7, no. 1, pp. 1–17, 2022.

  4. [14]  R. B. B. Sumantri and E. Utami, “Penentuan Status Tahapan Keluarga Sejahtera Kecamatan Sidareja Menggunakan Teknik Data Mining,” J. Teknol. Inf., vol. 15, no. 3, pp. 71–82, 2020, doi: 10.35842/jtir.v15i3.375.

  5. [15]  O. W. Purbo, Text Mining Analisis Medsos, Kekuatan Brand & Intelejen di Internet. Yogyakarta: ANDI, 2019.

  6. [16]  T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 5, pp. 178–185, 2022, doi: 10.30865/klik.v2i5.362.

  7. [17]  Z. Alhaq, A. Mustopa, S. Mulyatun, and J. D. Santoso, “PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER,” JOISM J. Inf. Syst. Manag., vol. 3, no. 1, pp. 16–21, 2021, doi: https://doi.org/10.24076/joism.2021v3i2.558.

  8. [18]  O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest,” J. Ilm. Inform., vol. 11, no. 2, pp. 159–169, 2023, doi: https://doi.org/10.33884/jif.v11i02.7987.

  9. [19]  M. I. Burhan, “ANALISIS SENTIMEN PUBLIK TERHADAP APLIKASI MYPERTAMINA PADA GOOGLE PLAYSTORE,” J. Manaj. Perbank. Keuang. Nitro, no. x, pp. 1–12, 2024, doi: 10.56858/jmpkn.v8i1.390.

  10. [20]  S. Fide, Suparti, and Sudarno, “ANALISIS SENTIMEN ULASAN APLIKASI TIKTOK DI GOOGLE PLAY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN ASOSIASI,” J. GAUSSIAN, vol. 10, no. 3, pp. 346–358, 2021, doi: https://doi.org/10.14710/j.gauss.10.3.346-358.

  11. [21]  H. A. Parhusip, MACHINE LEARNING dengan PYTHON dengan Contoh Pengaplikasian di Bidang Medis. Yogyakarta: ANDI, 2024.

  12. [22]  P. K. Sari and R. R. Suryono, “KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN RANDOM FOREST UNTUK ANALISIS SENTIMEN METAVERSE,” J. Mnemon., vol. 7, no. 1, pp. 31–39, 2024, doi: https://doi.org/10.36040/mnemonic.v7i1.8977.

  13. [23]  Kusnawi and A. H. Pratama, Belajar Mudah dan Singkat MACHINE LEARNING. Yogyakarta: ANDI, 2024.

  1. [24]  T. K. Al Lutfani, R. Astuti, W. Prihartono, and R. Hamonangan, “PENERAPAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PADA ULASAN PELANGGAN DI LAZADA :,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 2, pp. 997–1003, 2025, doi: http://dx.doi.org/10.23960/jitet.v13i2.6391.

  2. [25]  E. Martantoh and N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan Php Mysql,” J. Teknol. Sist. Inf., vol. 3, no. 2, pp. 166–175, 2022, doi: 10.35957/jtsi.v3i2.2896.

  3. [26]  K. Huda, S. D. Pohan, and Y. Herlina, “PENERAPAN PEMBOBOTAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY DAN ALGORTIMA K- NEAREST NEIGHBOR UNTUK ANALISIS ULASAN HOTEL DI SITUS TRIPADVISOR,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 3, pp. 2536–2546, 2024, doi: http://dx.doi.org/10.23960/jitet.v12i3.4800.

  4. [27]  S. Rahayu, Y. Mz, J. E. Bororing, and R. Hadiyat, “Implementasi Metode K- Nearest Neighbor (K-NN) untuk Analisis Sentimen Kepuasan Pengguna Aplikasi Teknologi Finansial FLIP,” EDUMATIC J. Pendidik. Inform., vol. 6, no. 1, pp. 98–106, 2022, doi: 10.29408/edumatic.v6i1.5433.

  5. [28]  N. Widya Utami and M. Artana, “Text Mining Dalam Analisis Sentimen Pembelajaran Daring Di Masa Pandemi Covid 19 Menggunakan Algoritma K- Nearest Neighbor,” J. Inform. Teknol. dan Sains, vol. 4, no. 2, pp. 140–148, 2022, doi: 10.51401/jinteks.v4i2.2034.

  6. [29]  M. Maulani and W. Gata, “SENTIMENT ANALYSIS OF JAKLINGKO APP REVIEWS USING MACHINE LEARNING AND LSTM,” Techno Nusa Mandiri J. Comput. Inf. Technol., vol. 22, no. 1, 2025, doi: https://doi.org/10.33480/techno.v22i1.6375.

  7. [30]  R. A. Saputra, “ANALISIS SENTIMEN REVIEW SKINCARE SKINTIFIC DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 2, 2024, doi: http://dx.doi.org/10.23960/jitet.v12i2.4095.

  8. [31]  F. Maulana, M. A. Abdullah, J. Sari, D. Z. Siddik, M. Agustinus, and D. D. Saputra, “Sentiment Analysis on the Twitter Pssi Performance Using Text Mining With the Naïve Bayes Algorithm,” J. Pilar Nusa Mandiri, vol. 18, no. 2, pp. 211–216, 2022, doi: 10.33480/pilar.v18i2.3938.

  9. [32]  M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm

  10. [33]  D. Safryda Putri and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine,” J. Ilm. Inform., vol. 11, no. 01, pp. 32–40, 2023, doi: 10.33884/jif.v11i01.6611.

  1. [35]  A. M. Ndapamuri, D. Manongga, and A. Iriani, “Analisis Sentimen Ulasan Aplikasi Tripadvisor Dengan Metode Support Vector Machine, K-Nearest Neighbor, Dan Naive Bayes,” INOVTEK Polbeng - Seri Inform., vol. 8, no. 1, pp. 127–140, 2023, doi: 10.35314/isi.v8i1.3260.

  2. [36]  A. Kusuma, E. Ermatita, and H. N. Irmanda, “Analisis Sentimen Pada Ulasan Aplikasi Indodax di Google Play Store Menggunakan Metode Support Vector Machine,” Pros. Semin. Nas. Mhs. Bid. Ilmu Komput. dan Apl., vol. 3, no. 2, pp. 563–574, 2022.

  3. [37]  D. Rahman, N. A. Brabo, H. Iswati, S. Agustina, and S. M. Purba, “PENGARUH MARKETING MIX, USER EXPERIENCE DAN BRAND EQUITY TERHADAP CUSTOMER RETENTION PADA PERUSAHAAN REDBUS INDONESIA,” Syntax Lit. J. Ilm. Indones., vol. 8, no. 12, pp. 6921– 6932, 2023.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru