KLASIFIKASI SENTIMEN PEMBELI BERDASARKAN LAYANAN SMS “SUARA KONSUMEN” TERHADAP PRODUK MENGGUNAKAN METODE K-NN

22094686, David Addiwijaya Hanz (2014) KLASIFIKASI SENTIMEN PEMBELI BERDASARKAN LAYANAN SMS “SUARA KONSUMEN” TERHADAP PRODUK MENGGUNAKAN METODE K-NN. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
22094686_bab1_bab5_daftarpustaka.pdf

Download (780kB)
[img] Text (Skripsi Informatika)
22094686_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Layanan “SUARA KONSUMEN” dibuat produsen dengan tujuan untuk dapat mendapatkan saran, kritik, maupun pengaduan terhadap produk dari produsen. Layanan ini juga adalah salah satu cara mempermudah produsen tersebut dapat mengetahui secara langsung bagaimana sentimen pelanggan terhadap produk yang dikeluarkan oleh produsen dengan mengetahui jumlah komentar negatif dan komentar positif, namun terbatas jumlahnya karakter dalam SMS menjadi masalah yang utama karena akan menyebabkan harus penggunaan kata-kata dan struktur yang ringkas namun padat dan jelas dalam menyampaikan isi dan maksud dari pengirim SMS. Penelitian ini akan diteliti bagaimana mengklasifikasikan SMS yang menggunakan struktur dan kata-kata yang terbatas untuk mendapatkan sentimen dari sebuah layanan SMS “Suara Konsumen” melalui pendekatan text mining. Penelitian ini menggunakan Algoritma K-NN dalam melakukan klasifikasi, selain Algoritma KNN penelitian ini akan membobotan kata menggunakan metode TF-IDF, Feature Selection dalam pemilihan kata-kata juga Cosine Similiarity dalam mengukur tingkat kedekatan antar dokumen. Dalam menentukan keberhasilan, diukur tingkat akurasi dari dokumen yang dilakukan percobaan dan hasilnya sangat akurat dengan nilai rata-rata akurasi sebesar 89% pada variasi nilai K dan Feature Selection. Nilai akurasi pada sistem klasifikasi sentimen SMS optimal pada K = 3 dan K = 7 yaitu 90% dan dengan error rate dibawah 10%.

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: K-Nearest Neighbor, Sentiment Analysist, klasifikasi dokumen, komentar positif, komentar negatif, SMS, Cosine Similiarity
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: Ms Nadya Agatha
Date Deposited: 07 Sep 2021 02:20
Last Modified: 07 Sep 2021 02:20
URI: http://katalog.ukdw.ac.id/id/eprint/5756

Actions (login required)

View Item View Item