Pengelompokan Kategori Tweet terhadap Penggunaan E-Wallet di Indonesia Menggunakan Metode K-Means dan Latent Dirichlet Allocation (LDA)

Permatasari, Nur Fidyah (2019) Pengelompokan Kategori Tweet terhadap Penggunaan E-Wallet di Indonesia Menggunakan Metode K-Means dan Latent Dirichlet Allocation (LDA). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06211540000087-Undergraduate_Thesis.pdf - Accepted Version Download (2MB)

Abstract

Berbagai macam jenis pembayaran elektronik yang ada, salah satu jenisnya adalah e-wallet. Go-Jek dan Lippo merupakan sebagian dari banyak perusahaan payment gateaway terbesar di Indonesia yang mempunyai sebuah produk e-wallet masing-masing bernama Go-Pay dan OVO. Banyak orang hendak mengajukan pertanyaan, keluhan, atau saran kepada Go-Pay dan OVO melalui Twitter. Guna mempermudah dan mempercepat dalam menanggapi setiap tweet, dilakukan pembentukan kategori tweet yang datanya diperoleh dengan Twitter API. Pada penelitian ini akan mengaplikasikan metode clustering dalam menentukan jenis pertanyaan/keluhan. Metode yang digunakan adalah membanding¬kan antara K-Means, Latent Dirichlet Allocation (LDA), K-Means dengan (LDA). Clustering menggunakan K-Means dengan LDA adalah metode terbaik karena menghasilkan nilai silhouette coefficient lebih tinggi. Hasil cluster yang didapatkan untuk e-wallet Go-Pay terdapat 3 yaitu mengenai pembayaran, transaksi saldo, dan juga layanan cashback. Sedangkan cluster untuk e-wallet OVO juga terdapat 3 yaitu berkenaan tentang layanan cashback , e-mail customer service, dan top-up saldo. Selain itu dilakukan pula Social Network Analysis (SNA) yang digunakan untuk menggambarkan struktur komunikasi dan tingkat partisipasi dari setiap pengguna.
=================================================================================================================================
Many various types of electronic payments nowadays, one of which is e-wallet. Go-Jek and Lippo are two of the largest payment gateaway companies in Indonesia that have an e-wallet product named Go-Pay and OVO respectively. Many customer wants to ask questions, take complaints, or give suggestions to Go-Pay and OVO via Twitter. In order to make it easier and faster in responding to each tweet, tweet category clustering was formed in which the data was obtained with the Twitter API. In this study will apply the clustering method in determining the type of questions/complaints. The methods are comparing between K-Means, Latent Dirichlet Allocation (LDA) and K-Means with LDA. Clustering using K-Means with LDA is the best method because it produces a higher silhouette coefficient value. The cluster results obtained for Go-Pay e-wallet are 3, payments, balance transactions, and cashback services. Whereas for OVO e-wallet there are also 3 clusters, cashback services, e-mail customer service, and balance top-ups. In addition, Social Network Analysis (SNA) is also applied to describe the communication structure and the level of participation of each user.

Item Type:	Thesis (Other)
Additional Information:	RSSt 519.53 Per p-1 2019
Uncontrolled Keywords:	Clustering, E-Wallet, Go-Pay, K-Means, Latent Dirichlet Allocation, OVO, Social Network Analysis, Twitter
Subjects:	Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Nur Fidyah Permatasari
Date Deposited:	24 May 2023 04:15
Last Modified:	24 May 2023 04:15
URI:	http://repository.its.ac.id/id/eprint/64500

Actions (login required)

View Item