Analisis Klasifikasi Sentimen Tentang Penggunaan Aplikasi Mypertamina Untuk Pembelian Bbm Menggunakan Support Vector Machine Pada Media Sosial Twitter

As'ad, Muhammad Abiyyu (2023) Analisis Klasifikasi Sentimen Tentang Penggunaan Aplikasi Mypertamina Untuk Pembelian Bbm Menggunakan Support Vector Machine Pada Media Sosial Twitter. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 10611910000060-Undergraduate-Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Kelangkaan bahan bakar minyak dapat menjadi salah satu ancaman bagi negara, dikarenakan bahan bakar minyak merupakan salah satu kebutuhan yang diperlukan oleh mayoritas penduduk Indonesia. Kelangkaan bahan bakar minyak yang sudah mulai terjadi membuat perusahaan Pertamina mengeluarkan kebijakan untuk membatasi dan mengontrol pembelian jenis bahan bakar solar dan pertalite. Wujud Pertamina dalam merealisasikan kebijakan ini yaitu dengan menggunakan aplikasi buatan mereka yang bernama MyPertamina. Aplikasi ini bertujuan untuk mempermudah masyarakat saat bertransaksi serta mengontrol pembelian bahan bakar minyak yang sudah dilakukan. Adanya aplikasi MyPertamina membuat banyak argumen di masyarakat, khususnya masyarakat yang daerahnya menjadi uji coba dari kebijakan baru ini. Argumen yang terbentuk di masyarakat sangatlah beragam meliputi argumen positif dan negatif. oleh karena itu, diperlukan kajian pada aplikasi ini dengan cara menganalisis sentimen masyarakat pengguna Twitter tentang aplikasi MyPertamina. Untuk analisis yang dilakukan akan menggunakan algoritma Support Vector Machine dengan membandingkan kernel linear dan radial basis function (RBF) agar mendapatkan metode terbaik dalam pengklasifikasian sentimen. Setelah dilakukannya analisa didapatkan bahwa pengkategorian teks setelah dilakukannya pra-proses terbagi menjadi 60% sentimen negatif dan 40% sentimen positif dan pengklasifikasian algoritma Support Vector Machine menggunakan kernel RBF mendapatkan hasil akurasi sebesar 87,77% sedangkan penggunaan kernel linear mendapatkan hasil akurasi sebesar 88,03%, yang dapat disimpulkan bahwa penggunaan kernel linear dan RBF untuk klasifikasi sentimen data tweet terkait aplikasi MyPertamina adalah baik tetapi lebih cenderung lebih baik menggunkan kernel linear.
=================================================================================================================================
The scarcity of fuel oil can be a threat to the country, because fuel oil is one of the needs needed by the majority of Indonesia's population. The scarcity of fuel oil that has started to occur has forced the Pertamina company to issue a policy to limit and control the purchase of diesel and pertalite fuel types. Pertamina's form in realizing this policy is by using an application made by them called MyPertamina. This application aims to make it easier for people when making transactions and controlling purchases of fuel oil that have been made. The existence of the MyPertamina application makes a lot of arguments in society, especially people whose areas are being tested for this new policy. Arguments formed in the community are very diverse including positive and negative arguments. Therefore it is necessary to study this application by analyzing the sentiments of Twitter users about the MyPertamina application. The analysis will use the Support Vector Machine algorithm by comparing the linear and radial basis function (RBF) kernels to get the best method for classifying sentiment. After doing the analysis, it was found that the text categorization after pre-processing was divided into 60% negative sentiment and 40% positive sentiment and the classification of the Support Vector Machine algorithm using the RBF kernel obtains an accuracy of 87.77% while the use of a linear kernel obtains an accuracy of 88.03%, which can be concluded that the use of a linear kernel and RBF for classification sentiment tweet data related to the MyPertamina application is good but it tends to be better to use a linear kernel.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Sentimen, kernel linear, Kernel Radial Basis Function, Support Vector Machine
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Muhammad Abiyyu Asad
Date Deposited:	10 Oct 2023 03:13
Last Modified:	10 Oct 2023 03:13
URI:	http://repository.its.ac.id/id/eprint/101725

Actions (login required)

View Item