Analisis Sentimen Terhadap Transportasi Umum (Transjakarta) Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor (K-NN)

Fakhri Naufal Ananda, . (2023) Analisis Sentimen Terhadap Transportasi Umum (Transjakarta) Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor (K-NN). Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (649kB)
	Text BAB I.pdf Restricted to Registered users only Download (246kB)
	Text BAB II.pdf Restricted to Registered users only Download (525kB)
	Text BAB III.pdf Restricted to Registered users only Download (556kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (230kB)
	Text JURNAL.pdf Restricted to Registered users only Download (329kB)

Abstract

Transportasi umum menjadi salah satu kebutuhan penting bagi masyarakat di kota- kota besar seperti Jakarta. Namun, kualitas transportasi umum di Jakarta masih menjadi permasalahan yang belum teratasi dengan baik. Salah satu yang menjadi sorotan adalah Transjakarta. Transjakarta adalah sebuah sistem transportasi Bus Rapid Transit (BRT) yang melayani kawasan Jakarta dan sekitarnya. Transjakarta pertama kali diperkenalkan pada tahun 2004 dan telah menjadi salah satu transportasi utama di Jakarta. Berbagai macam opini masyarakat terhadap transportasi umum Transjakarta dapat kita lihat pada media sosial seperti Twitter. Analisis sentimen pada media sosial Twitter ini berguna untuk mengetahui opini masyarakat mengarah ke sentimen positif atau sentimen negatif. Sebelum analisis sentimen dilakukan, ada beberapa proses untuk menjalankan analisis sentimen dengan benar, yaitu crawling, text preprocessing, cleaning data, case folding, stopword removal, tokenizing, filters token by length dan melakukan labeling sentiment secara manual dan menghitung bobot menggunakan TF-IDF. Dan data yang digunakan pada analisis sentimen ini sebanyak 700 data tweet. Metode untuk mengklasifikasi sentimen menggunakan metode K-Nearest Neighbor (K-NN) untuk menentukan nilai k atau jumlah nilai terdekat. Untuk menguji validasi menggunakan perhitungan akurasi dengan rumus confusion matrix. Hasil akhir dari semua tahapan yang didapat pada nilai k=3 dengan rasio 80:20 sebagai nilai tertinggi dibanding semua nilai k dengan accuracy sebesar 99,05%, precision sebesar 100%, recall sebesar 98,04%, AUC sebesar 0.996. Dan untuk hasil klasifikasi nilai sentimen menunjukkan netral nilai positif dan negatif mendapatkan nilai yang sama. Menurut hasil dari analisis sentimen dengan menggunakan metode K-Nearest Neighbor (K-NN) dapat mengklasifikasikan sentimen dengan teratur dan dapat dilihat mayoritas masyarakat Indonesia menafsir topik ini lebih mengarah ke sentimen positif.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Transjakarta, K-Nearest Neighbor (K-NN), Twitter
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Enas Nasrulloh
Date Deposited:	13 Dec 2023 03:11
Last Modified:	13 Dec 2023 03:11
URI:	http://repository.unpam.ac.id/id/eprint/11948

Actions (login required)

View Item