Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
SENTIMEN ANALISIS PENGGUNA MRT JAKARTA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ABSTRAKSI :
Transportasi merupakan unsur yang sangat berpengaruh dalam roda perekonomian. Semua aspek kehidupan bangsa tergantung pada sektor yang satu ini, yang berfungsi sebagai pendorong, penunjang dan penggerak pertumbuhan perekonomian. Salah satu transportasi terbaru yang dimiliki Indonesia adalah MRT Jakarta (Mass Rapit Transit Jakarta). MRT Jakarta merupakan sistem transportasi transit cepat menggunakan kereta rel listrik di Jakarta. Antusiasme masyarakat yang cukup tinggi terhadap transportasi ini menjadi topik yang dibicarakan pada media sosial Twitter. Hadirnya media sosial dapat digunakan perusahaan MRT Jakarta untuk memantau dan menganalisa tanggapan masyarakat dan mengetahui seberapa besar masyarakat menerima transportasi baru. Berdasarkan hal tersebut, penulisan yang akan diangkat mengenai tanggapan masyarakat terhadap MRT Jakarta. Menganalisis data yang terdapat di media sosial menggunakan media sosial twitter dengan metode klasifikasi K-Nearest Neighbor. Tahapan dalam melakukan analisis sentiment diantaranya pengumpulan data, praproses teks, ekstraksi fitur, penerapan algoritma KNN, Testing, dan evaluasi. Aplikasi Sentimen analisis ini dijalankan berbasis desktop menggunakan pustaka Tkinter dalam membuat interface. Dalam Aplikasi sentimen analisis terdapat pengujian klasifikasi sentiment berdasarkan masukan pengguna, kata-kata yang paling banyak dipakai pada golongan kelas positif dan negatif, menampilkan hasil evaluasi dengan confusion matrix, serta evaluasi accuracy, precision, recall, dan f1-score. Hasil yang diperoleh dari pengujian analisis sentimen berbahasa Indonesia dengan metode K-Nearest Neighbor menghasilkan akurasi dengan nilai k=4 sebesar 83%.
NOMOR INDUK :
FTI/IA/SSM/6470/2020
PEMBIMBING :
Widya Silfianti
TANGGAL SIDANG :
02/09/2019
TANGGAL PENYERAHAN :
08/10/2020
JENIS PENULISAN :
PENULISAN ILMIAH JENJANG S1 (SETARA SARJANA MUDA / SSM)