Sari, Erna Dwi Nurindah (2019) Analisis Sentimen Nasabah Pada Layanan Perbankan Menggunakan Metode Regresi Logistik Biner, Naïve Bayes Classifier (NBC), Dan Support Vector Machine (SVM). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211745000034-Undergraduate_Theses.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Di era globalisasi, semua aktivitas yang dilakukan tidak dapat terlepas dari teknologi. Dengan menggunakan Twitter pendapat masyarakat mengenai layanan dari perbankan dapat diketahui. Pada penelitian ini pendapat nasabah akan dibedakan menjadi sentimen positif atau negatif sehingga hasil analisa sentimen tersebut dapat dijadikan evaluasi sebagai peningkatan layanan pada para nasabahnya. Klasifikasi sentimen positif dan sentimen negatif dilakukan dengan beberapa metode yakni menggunakan Regresi Logistik Biner yang merupakan salah satu metode konvensional, metode Naïve Bayes Classifier yakni metode yang sederhana namun memiliki ketepatan klasifikasi yang baik, dan metode Support Vector Machine (SVM) yang dapat mengklasifikasikan sentimen dengan beberapa jenis kernel. Data yang digunakan pada penelitian ini diklasfikasikan secara manual dan dengan menggunakan kamus lexicon. Karena jumlah data sentiment yang tidak seimbang maka dilakukan SMOTE pada data klasifikasi manual. Hasil dari penelitian menunjukkan bahwa metode terbaik untuk mengklasifikasikan sentimen pada layanan BRI adalah SMOTE-SVM kernel RBF, sedangkan untuk Bank Mandiri adalah SMOTE-NBC karena memiliki nilai AUC paling tinggi. ==============================================================================================================================
In this era of globalization, all activities cannot be separated from technology. At this time, public opinion regarding services from banks can be known by using Twitter. In this study, the customer’s opinion will be divided into positive and negative sentiments so that the results of the sentiment analysis can be used as an evaluation to its customers. The classification of positive and negative sentiment is done by several methods namely using Binary Logistic Regression is one of conventional method, Naïve Bayes Classifier method which is a simple method but has good classification accuracy, and Support Vector Machine (SVM) method can classifiy sentiments with several types of kernels. In this study, customer sentiment are classified with manual process and used lexicon based. Because of the imbalancing data, then the manual classification will duplicated using SMOTE method. The result of the study shows that the best method for sentiment classification of BRI service is SMOTE-SVM with RBF kernel, while for Mandiri Bank is SMOTE-NBC because on that method give the highest result AUC.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | RSSt 519.542 Sar a-1 2019 |
| Uncontrolled Keywords: | Naïve Bayes Classifier, Perbankan, Regresi Logistik Biner, Sentimen Negatif, Sentimen Positif, SVM. |
| Subjects: | H Social Sciences > HA Statistics > HA31.7 Estimation H Social Sciences > HG Finance > HG4012 Mathematical models Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory. T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Sari Erna Dwi Nurindah |
| Date Deposited: | 14 Jun 2022 01:13 |
| Last Modified: | 29 Dec 2022 07:43 |
| URI: | http://repository.its.ac.id/id/eprint/64437 |
Actions (login required)
 |
View Item |