ANALISIS OPINI MASYARAKAT TERHADAP JASA TRANSPORTASI ONLINE MENGGUNAKAN TEXT MINING CLASSIFICATION PADA TWITTER

ZULIAR EFENDI, (2018) ANALISIS OPINI MASYARAKAT TERHADAP JASA TRANSPORTASI ONLINE MENGGUNAKAN TEXT MINING CLASSIFICATION PADA TWITTER. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018493SIF.pdf

Download (140kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018493SIF.pdf

Download (609kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018493SIF.pdf

Download (103kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018493SIF.pdf

Download (244kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018493SIF.pdf

Download (109kB) | Preview
[img]
Preview
Text
6. BAB I_2018493SIF.pdf

Download (267kB) | Preview
[img]
Preview
Text
7. BAB II_2018493SIF.pdf

Download (533kB) | Preview
[img]
Preview
Text
8. BAB III_2018493SIF.pdf

Download (545kB) | Preview
[img] Text
9. BAB IV_2018493SIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
10. BAB V_2018493SIF.pdf

Download (156kB) | Preview
[img]
Preview
Text
11. DAFTAR PUSTAKA_2018493SIF.pdf

Download (256kB) | Preview

Abstract

Twitter merupakan salah satu layanan micro blogging yang didalamnya pengguna dapat mengirim pesan dengan 148 karakter. Pesan pada twitter disebut juga Tweets. Pesan atau tweets tersebut dapat dimanfaatkan untuk analisis lebih lanjut tentang suatu hal guna mengetahui respon dari masyarakat. Pada twitter, perusahaan ojek online memiliki akun resmi guna menampung komentar-komentar dari masyarakat dan memberikan informasi yang terbaru. Menganalisis tweets digunakan sebuah teknik penggalian teks atau disebut juga text mining. Pada penelitian ini menggunakan 2 algoritma klasifikasi yaitu Naïve Bayes Classifier(NBC) dan Improved k-Nearest Neighbor,kelas dibagi menjadi tiga yaitu netral, negatif dan positif yang ditentukan dengan cara menggunakan kamus sentimen. data dibagi menjadi yaitu dengan 10%, 20% dan 30% data uji (data testing) yang kemudian dihitung akurasinya. Pada data uji 10%, akurasi NBC didapat sebesar 60% dan Improved k-Nearest Neighbor sebesar 62.18% pada k awal = 30. adapun dengan data uji 20%, NBC didapat dengan akurasi 61.25% dan Improved k-Nearest Neighbordengan akurasi 62.39% pada k awal = 80. Sedangkan pada 30% data uji, akurasi NBC sebesar dan Improved k-Nearest Neighborsebesar dengan k awal 100. Dari 3 percobaan data uji, Improved k-Nearest Neighbor memiliki akurasi lebih tinggi dari NBC. Kata Kunci: Akurasi, Improved k-Nearest Neighbor, Klasifikasi, Naïve Bayes Classifier, Text Mining

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: Ms. Nilam Badriyah
Date Deposited: 30 Jul 2019 04:17
Last Modified: 30 Jul 2019 04:17
URI: http://repository.uin-suska.ac.id/id/eprint/16968

Actions (login required)

View Item View Item