DETAIL KOLEKSI

Analisis sentimen kepuasan pelanggan terhadaplayanan gardu tol otomatis (gto) ruas jakartacikampekdengan data twitter menggunakan metode naïve bayes classifier

Oleh : Dini Amalia Armayanti

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Ahmad Zuhdi

Pembimbing 2 : Anung B. Ariwibowo

Subyek : Sentiment analysis

Kata Kunci : sentiment analysis, twitter, naïve bayes classifier

Status Posting : Published

Status : Tidak Lengkap

File Repositori
No. Nama File Hal. Link
1. 2023_TA_TIF_064001900016_Halaman-Judul.pdf
2. 2023_TA_TIF_064001900016_Halaman-Pengesahan.pdf
3. 2023_TA_TIF_064001900016_Bab-1_Pendahuluan.pdf
4. 2023_TA_TIF_064001900016_Bab-2_Tinjauan-Pustaka.pdf
5. 2023_TA_TIF_064001900016_Bab-3_Metodologi-Penelitian.pdf
6. 2023_TA_TIF_064001900016_Bab-4_Hasil-dan-Pembahasan.pdf
7. 2023_TA_TIF_064001900016_Bab-5_Kesimpulan-dan-Saran.pdf
8. 2023_TA_TIF_064001900016_Daftar-Pustaka.pdf

J Jalan tol Jakarta – Cikampek merupakan salah satu alternatif bagi pengendara daridaerah Jakarta menuju Bekasi dan sebaliknya. Setelah sistem pembayaran tolmenjadi otomatis, berbagai komentar masyarakat muncul di Twitter tentanglayanan gardu tol otomatis. Pendapat tersebut menuaikan pro dan kontra, membuatanalisis sentimen penting untuk penelitian ini. Penelitian ini melakukan analisissentimen menggunakan 202 data tweet langsung dari Twitter dengan metodeklasifikasi menggunakan metode Naïve Bayes Classifier. Tujuan dari penelitian iniadalah untuk mengetahui berapa banyak hasil sentimen positif, netral, dan negatifdari analisis sentimen kepuasan pelanggan terhadap layanan gardu tol otomatis ruasJakarta – Cikampek dengan data twitter menggunakan metode Naïve BayesClassifier dan mengukur tingkat akurasi dari metode Naïve Bayes Classifier dalammenganalisis sentimen atau opini masyarakat terhadap layanan gardu tol otomatisruas Jakarta – Cikampek. Hasil penelitian ini ditemukan bahwa sentimen positifmendapat sebanyak 57%, sentimen netral mendapatkan sebanyak 126% dansentimen negatif mendapatkan sebanyak 19%. Kemudian hasil akurasi daripengujian data dengan Naïve Bayes Classifier mendapatkan sebesar 63%.

T The Jakarta-Cikampek toll road is one of the alternatives for drivers travelingbetween Jakarta and Bekasi, and vice versa. After the toll payment system becameautomated, various comments from the public emerged on Twitter regarding theautomatic toll gate services. These opinions ranged from positive to negative,making sentiment analysis essential for this research. This study conducts sentimentanalysis using 202 tweet data directly from Twitter, employing classificationmethod Naïve Bayes Classifier. The purpose of this research is to determine thecount of positive, neutral, and negative sentiment outcomes from the sentimentanalysis of customer satisfaction towards the automatic toll gate services on theJakarta-Cikampek toll road using the Naïve Bayes Classifier method, and tomeasure the accuracy level of the Naïve Bayes Classifier method in analyzingpublic sentiment or opinions regarding the automatic toll gate services on theJakarta-Cikampek toll road. The results of this research indicate that positivesentiment accounts for 57%, neutral sentiment for 126%, and negative sentimentfor 19%. Furthermore, the accuracy result from the data testing with the NaïveBayes Classifier is 63%.

Koleksi Terkait (Kata Kunci = 27 Judul)

Analisis sentimen tentang vaksin sinovac di twitter menggunakan naïve bayes dan k-nearest neighbors 5.0
FTI - Usakti
Analisis sentimen dan pemodelan topik terhadap berita kandidat dalam pemilihan umum 2024 di media sosial twitter menggunakan metode latent dirichlet allocation(lda)
FTI - Usakti
Pengaruh undersampling dan oversampling dalam perbandingan analisis sentimen ulasan pengunjung objek wisata Waterbom Bali pada media sosial tripadvisor menggunakan klasifikasi random forest dan Naïve Bayes
FTI - Usakti
Analisis sentimen review costumer terhadap layanan ekspedisi J& T Express dan JNE menggunakan metode naive bayes dan support vector machine
FTI - Usakti
Analisis sentimen aplikasi pintarnya di Google Play Store menggunakan metode CNN dan ekstraksi fitur BERT
FTI - Usakti
Perbandingan metode ekstraksi fitur menggunakan tf-idf dan word embedding llama3 dengan classifier svm untuk analisis sentimen aplikasi mytelkomsel di google play store
FTI - Usakti
Analisis sentimen pemindahan ibu kota negara indonesia menggunakan metode support vector machine pada media sosial x
FTI - Usakti
Alat pemantau temperatur, kebisingan, dan kadar gas co di ruang terbuka dengan fitur berbagi informasi melalui media sosial twitter
FTI - Usakti
Sentiment analysis dari twitter terhadap organisasi menggunakan R dengan Metode Support Vector Machine dan Swot Analysis 5.0
FTI - Usakti
analisis sentimen twitter mengenai aplikasi pedulil indungi menggunakan Metode Valence Aware Dictionary For Sentiment Reasoning
FTI - Usakti
Manajemen pemasaran klinik dokter gigi dengan menggunakan teknologi informasi 5.0
FKG - Usakti
Analisis sentimen mengenai undang - undang tpks pada media sosial twitter menggunakan metode support vector machine dan k-nearest neighbor
FTI - Usakti
Analisis sentimen dan topic modeling mengenai uu ite pada media sosial twitter bahasa Indonesia
FTI - Usakti
Analisis pergerakan topik dan keanggotaan pembicaraan di twitter dengan Metode K-Means Clustering
FTI - Usakti
Pengembangan model sentimen analisis aplikasi bibit pada google playstore menggunakan metode naïve bayes dengan seleksi fitur chi square
FTI - Usakti
Pemodelan topik untuk mengetahui topik utama pembicaraan di media sosial twittertentang piala dunia 2022 menggunakan metode latent dirichlet allocation (lda)
FTI - Usakti
Perbandingan kinerja tf-idf dan word2vec dengan menggunakan bidirectional long short term memory (bilstm) pada sentimen analisis game pubg
FTI - Usakti
Analisis sentimen terhadap film horor indonesia menggunakan naive bayes classifier pada media sosial twitter Bahasa Indonesia
FTI - Usakti
Perbandingan kinerja metode analisis sentimen dengan bidirectional long short-term memory (bilstm) menggunakan ekstraksi fitur bag of word dan tf-idf mengenai aplikasi peduli lindungi di twitter
FTI - Usakti
Analisis sentimen dan pemodelan topik ulasan pengunjung objek wisata pulau bali pada situs tripadvisor menggunakan metode lexicon-based dan latent dirichlet allocation (lda)
FTI - Usakti
Analisis sentimen twitter mengenai aplikasi pedulilindungi menggunakan metode valence aware dictionary for sentiment reasoning
FTI - Usakti
Analisis sentimen subsidi Bahan Bakar Minyak (BBM) di twitter menggunakan support vector machine
FTI - Usakti
Perbandingan kinerja bidirectional long short term memory menggunakan word2vec dan fastext pada analisa sentimen aplikasi mypertamina
FTI - Usakti
Analisis sentimen kandidat calon Presiden Indonesia 2024 pada platform media sosialYouTube menggunakan metode support vector machine
FTI - Usakti
Analisis sentimen ulasan di google play mengenai aplikasi layanan streaming vidio dengan menggunakan metode naive bayes classifier dan ekstraksi fitur tf-idf
FTI - Usakti
Analisis sentimen dari twitter terhadap layanan e-sim oleh smartfren dengan metode naïve bayes classifier
FTI - Usakti
Perbandingan kinerja analisis sentimen twitter dengan fasttext svm dan tf-idf svm studi kasus pada motor listrik
FTI - Usakti
Bagaimana Anda menilai Koleksi ini ?