Skripsi/Tugas Akhir

Klasifikasi Opini Masyarakat pada Facebook Terhadap Operator Seluler Menggunakan Metode K-Nearest Neighbor dan Support Vector Machine

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Dalam beberapa tahun terakhir jumlah pelanggan yang dilayani oleh operator seluler meningkat secara signifikan pada operator seluler Telkomsel, Indosat dan X. Oleh karena itu media sosial menjadi media pilihan banyak orang untuk menyampaikan pesannya dan operator seluler Telkomsel, Indosat dan XL memilih Facebook dengan menggunakan metode klasifikasi K-Nearest Neighbors (KNN) dan metode Support Vector Machine (SVM). Hasil analisis menunjukkan bahwa implementasi metode SVM memiliki akurasi yang lebih baik dalam mengklasifikasikan sentimen pengguna terhadap operator seluler. Analisis sentimen mengungkapkan bahwa sentimen negatif mendominasi dibandingkan dengan sentimen positif pada setiap operator. Hal ini mengindikasikan adanya kecenderungan masyarakat yang masih merasa ragu terhadap kualitas layanan operator seluler, Telkomsel, Indosat, dan XL, mungkin akibat dari berbagai faktor risiko dan kurangnya kepercayaan.
Kata Kunci: Klasifikasi Opini Masyarakat, Facebook, K-Nearest Neighbor, Support Vector Machine

ABSTRACT
In recent years the number of subscribers served by cellular operators has increased significantly in cellular operators Telkomsel, Indosat and XL. Therefore, social media has become the medium of choice for many people to convey their messages and cellular operators Telkomsel, Indosat and XL choose Facebook using the classification method. K-Nearest Neighbors (KNN) and the Support Vector Machine (SVM) method. The results of the analysis show that the implementation of the SVM method has better accuracy in classifying user sentiment towards cellular operators. Sentiment analysis reveals that negative sentiment dominates compared to positive sentiment for each operator. This indicates that there is a tendency for the public to still have doubts about the service quality of cellular operators, Telkomsel, Indosat and XL, perhaps due to various risk factors and a lack of trust.
Keywords: Classification of Public Opinion, Facebook, K-Nearest Neighbor, Support Vector Machine

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-48 ABR k

Penerbit

Makassar : Universitas DIPA., 2023

Deskripsi Fisik

xiii + 75 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-48

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 05 September 2023

Subjek

Skripsi/Tugas Akhir
K-Nearest Neighbor
Support Vector Machine

Lampiran File