Perbandingan Analisis Sentimen Mengenai Bpjs Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dan Support Vector Machine

Nada, Diva Durrotun (2022) Perbandingan Analisis Sentimen Mengenai Bpjs Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dan Support Vector Machine. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000049_Undergraduate_Thesis.pdf Download (2MB)

Abstract

Seiring dengan perkembangan teknologi, masyarakat saat ini dapat mengungkapkan perasaan, pendapat, atau pandangannya kepada publik melalui jejaring sosial. Salah satu media sosial terpopuler saat ini adalah Twitter yang diluncurkan oleh Jack Dorsey pada tanggal 15 Juli 2006. Media sosial ini merupakan salah satu media sosial utama yang digunakan masyarakat Indonesia untuk memberikan opini kepada pengguna internet. Karena jumlah pengguna Twitter yang cukup besar, hal ini sering digunakan oleh pemerintah, pelaku bisnis, maupun masyarakat untuk melihat pendapat pengguna tentang suatu produk atau layanan. Karena sebagian besar masyarakat Indonesia menggunakan BPJS, maka hal ini menyebabkan banyak pengguna media sosial seperti Twitter mengunggah ulasan mereka terkait kinerja BPJS. Hal ini dikarenakan hasil penelitian diperoleh langsung dari opini publik atas apa yang mereka alami, maka hasil tersebut dapat digunakan sebagai mengoptimalisasian program kerja, dan peningkatan kualitas pelayanan bagi perusahaan tersebut. Penelitian ini menggunakan dua metode untuk membandingkan tingkat akurasi antara metode Naïve Bayes Classifier dan Support Vector Machine menggunakan data Twitter berupa tweet umum mengenai kinerja BPJS dengan kata kunci “BPJS”, “Badan Penyelenggara Jaminan Sosial”, “Klaim” sejak Januari 2019 sampai Desember 2021. Hasil penelitian menunjukkan bahwa metode Support Vector Machine Kernel RBF dengan parameter C = 1000 dan γ = 100 memiliki performa ketepatan klasifikasi yang paling baik dibanding Naïve Bayes Classifier dan Support Vector Machine Kernel Linear. Dengan hasil rata-rata ketepatan klasifikasi SVM Kernel RBF, SVM Kernel Linear, dan Naïve Bayes Classifier masing-masing sebesar 97,1%, 92,5%, dan 86,7%.
===============================================================================================================================
Along with the development of technology, today's society can express their feelings, opinions, or views to the public through social networks. One of the most popular social media today is Twitter, which was launched by Jack Dorsey on July 15, 2006. This social media is one of the main social media used by Indonesian people to give opinions to internet users. Because the number of Twitter users is quite large, it is often used by governments, businesses, and the public to see what users think about a product or service. Because most Indonesians use BPJS, this has caused many social media users such as Twitter to upload their reviews regarding the performance of BPJS. This is because the research results are obtained directly from public opinion on what they experience, so these results can be used as work optimization programs, and improving service quality for the company. This study uses two methods to compare the level of accuracy between the Naïve Bayes Classifier and Support Vector Machine methods using Twitter data in the form of general tweets about BPJS performance in submitting claims with the keyword “BPJS”, “Badan Penyelenggara Jaminan Sosial, "Claim" from January 2019 to December 2021. The results show that the method The Support Vector Kernel RBF Machine with parameters C = 1000 and γ = 100 has the best classification accuracy performance compared to the Naïve Bayes Classifier and Support Vector Machine Kernel Linear. With the results of the average classification accuracy of SVM Kernel RBF, SVM Kernel Linear, and Naïve Bayes Classifier, respectively, which are 97.1%, 92.5%, and 86.7%.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.53 Nad p-1 2022
Uncontrolled Keywords:	Analisis Sentimen, BPJS, Naïve Bayes Classifier, Support Vector Machine, Twitter, Sentiment Analysis , BPJS, Naïve Bayes Classifier, Support Vector Machine
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Mathematics, Computation, and Data Science > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 Nov 2024 05:22
Last Modified:	26 Nov 2024 05:22
URI:	http://repository.its.ac.id/id/eprint/115837

Actions (login required)

View Item