PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK ANALISIS SENTIMEN REVIEW KOMENTAR PADA APLIKASI TRANSPORTASI ONLINE
DOI:
https://doi.org/10.24076/joism.2021v3i1.341Keywords:
Text Mining, Support Vector Machine, Decision TreeAbstract
Secara umum transportasi digunakan untuk memudahkan manusia melakukan aktivitas sehari-hari. Saat ini, transportasi tidak hanya terdapat secara konvensional saja namun berkembang dengan adanya transportasi berbasis online yang harganya lebih terjangkau dan lebih praktis. Gojek Adalah salah satu aplikasi trasportasi online yang memiliki pengguna bisa dikatakan banyak di Indonesia. Namun dalam system ini pasti memliki banyak kekurangan yang dirasakan penggunanya. Dengan menganalisis kekurangan dari aplikasi perusahaan dapat mengetahui kekurangan dari aplikasi dan bagaimana cara memperbaikinya. Tujuan dari penelitian ini yaitu untuk melakukan analisis sentiment dengan menggunakan data ulasan yang terdapat pada Google Play guna mengetahui perbandingan keakurasian antara metode Support Vector Machine untuk mengklasifikasikan ulasan dari dua ketegori yaitu ulasan positif dan negative. Kemudian dibandingkan dengan metode Decision Tree. Melalui klasifikasi diperoleh hasil akurasi sebesar 90.20% untuk metode Support Vector Machine sedangkan 89.80% untuk metode Decision Tree. Jadi bisa disimpulkan untuk metode Support Vector Machine nilai akurasinya lebih tinggi dibandingkan metode Decision Tree.
Downloads
References
Fanani. F. (2017). Klasifikasi Review Software Pada Google Play Menggunakan Pendekatan Analisis Sentimen. Program Studi Teknologi Informasi Fakultas Teknik UGM Yogyakarta.
Wijaya, A.(2016). Aspek hukum bisnis trasnportasi jalan online. Jakarta : Gramedia.
Yola, Melfa, and Budianto. D. "Analisis kepuasan konsumen terhadap kualitas pelayanan dan harga produk pada supermarket dengan menggunakan metode Importance Performance Analysis (IPA)." Jurnal Optimasi Sistem Industri 12(12). (2013): 301-309, hlm 302.
Feldman. R., & Sanger J. (2007). The Text Mining Handbook Advance Approaches In Analyzing Unstructured Data. New York: Cambridge University Press.
Jamil. H. N. (2017). Analisis Sentimen Pada Online Review Menggunakan Kombinasi Metode Lexicon Based and Naïve Bayes Classifier. Program Studi Statistika FMIPA UII Yogyakarta.
Han. J., Kamber. M., & Pei. J. (2011). Data Mining: Concepts and Techniques Third edition. Waltham: Elsevier.
Suyanto. (2017). Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung:Informatika Bandung.
Novantirani. A., Sabariah. M. K., Effendy. V. Analsis Sentimen Pada Twitter untuk Mengenai Penggunaan Trasportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine (SVM). Program Studi Teknik Informasi, Falkultas Informatika, Universitas Telkom, Bandung.
Praptiwi. D. Y. (2018). Nalisis Sentimen Online Review Pengguna E-Commerce Menggunakan Metode Support Vector Machine Dan Maximum Entropy. Rogram Studi Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Islam Indonesia.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 JOURNAL OF INFORMATION SYSTEM MANAGEMENT
This work is licensed under a Creative Commons Attribution 4.0 International License.