ANALISIS SENTIMEN TERHADAP LAYANAN SEKURITASI ONLINE UNTUK INVESTASI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES CLASSIFIER

Tarigan, Stefani Goretti Br (2024) ANALISIS SENTIMEN TERHADAP LAYANAN SEKURITASI ONLINE UNTUK INVESTASI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES CLASSIFIER. Sarjana thesis, Universitas Siliwangi.

[img] Text
1. Cover.pdf
Download (71kB)
[img] Text
2. Lembar Pengesahan.pdf
Download (135kB)
[img] Text
3. Lembar Pernyataan Keaslian.pdf
Download (68kB)
[img] Text
4. Abstrack.pdf
Download (12kB)
[img] Text
5. Persembahan Motto.pdf
Download (134kB)
[img] Text
6. Kata Pengantar.pdf
Download (77kB)
[img] Text
7. Daftar Isi.pdf
Download (217kB)
[img] Text
8. Daftar Tabel.pdf
Download (67kB)
[img] Text
9. Daftar Gambar.pdf
Download (195kB)
[img] Text
10. Daftar Source Code.pdf
Download (25kB)
[img] Text
11. Bab I Pendahuluan.pdf
Download (49kB)
[img] Text
12. Bab II Tinjauan Pustaka.pdf
Download (961kB)
[img] Text
13. Bab III Metodologi Penelitian.pdf
Download (559kB)
[img] Text
14. Bab IV Hasil dan Pembahasan.pdf
Restricted to Repository staff only
Download (3MB)
[img] Text
15. Bab V Kesimpulan dan Saran.pdf
Restricted to Repository staff only
Download (14kB)
[img] Text
16. Daftar Pustaka.pdf
Download (345kB)
[img] Text
17. Lampiran.pdf
Restricted to Repository staff only
Download (694kB)

Abstract

Penelitian bertujuan untuk mengevaluasi kinerja dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC), dalam dua skenario berbeda: data seimbang dan data tidak seimbang. Hasil penelitian mengungkapkan bahwa proses preprocessing yang lebih baik secara signifikan meningkatkan kinerja klasifikasi sentimen, terlepas dari apakah data seimbang atau tidak. Pada implementasi analisis sentimen dengan menggunakan data yang seimbang sebagai data latih, terdiri dari 2685 data latih dan 672 data uji, algoritma SVM mencapai tingkat akurasi sebesar 69%, presisi 69%, recall 69%, dan F�measure 69%. Algoritma NBC juga menghasilkan tingkat akurasi yang serupa, yaitu 70%, dengan presisi 70%, recall 70%, dan F-measure 70%. Ketika analisis sentimen diterapkan pada data yang tidak seimbang dengan menggunakan data latih sebanyak 5038 data dan data uji sebanyak 1260 data, algoritma SVM mencapai tingkat akurasi sebesar 76%, dengan presisi 70%, recall 69%, dan F-measure 69%. Algoritma NBC menunjukkan peningkatan kinerja dengan tingkat akurasi sebesar 78%, dengan presisi 72%, recall 72%, dan F-measure 72%. Hasil penelitian ini menunjukkan perbedaan dalam kinerja algoritma ketika dihadapkan pada data yang seimbang dan tidak seimbang, dengan peningkatan yang signifikan pada akurasi dan metrik sentimen lainnya ketika menggunakan data yang tidak seimbang. Kata Kunci: Algoritma Klasifikasi; Analisis Sentimen; Naive Bayes Classifier; Preprocessing; dan Support Vector Machine.

Item Type: Thesis (Sarjana)
Subjects: Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions: Fakultas Teknik > Informatika
Depositing User: Rema Puri Irma Sri Katon
Date Deposited: 28 Aug 2024 06:33
Last Modified: 28 Aug 2024 06:33
URI: http://repositori.unsil.ac.id/id/eprint/13710

Actions (login required)

View Item View Item