Skripsi/Tugas Akhir

Sentimen Analisis Aplikasi Maxim Menggunakan Klasifikasi Support Vector Machine dan Particle Swarm Optimization

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Analisis sentimen merupakan metode yang digunakan untuk memahami opini pengguna terhadap suatu layanan atau produk. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Maxim dengan menggunakan metode klasifikasi Support Vector Machine (SVM) yang dioptimalkan menggunakan Particle Swarm Optimization (PSO). SVM dipilih karena kemampuannya dalam mengklasifikasikan teks dengan baik, sedangkan PSO digunakan untuk mengoptimalkan parameter SVM guna meningkatkan akurasi klasifikasi. Data yang digunakan dalam penelitian ini diperoleh dari ulasan pengguna aplikasi Maxim di platform Play Store. Proses analisis meliputi pengumpulan data, preprocessing teks, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta klasifikasi sentimen menjadi kategori positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa penggunaan PSO dalam optimasi parameter SVM memberikan peningkatan akurasi dibandingkan dengan SVM tanpa optimasi. Dengan demikian, metode yang diusulkan dapat menjadi pendekatan yang efektif dalam menganalisis sentimen pengguna terhadap aplikasi transportasi online.
Kata Kunci: Analisis Sentimen, Support Vector Machine, Particle Swarm Optimization, Maxim, Klasifikasi Teks

ABSTRACT
Sentiment analysis is a method used to understand user opinions about a service or product. This study aims to analyze user sentiment toward the Maxim application using the Support Vector Machine (SVM) classification method optimized with Particle Swarm Optimization (PSO). SVM is chosen for its ability to classify text effectively, while PSO is used to optimize SVM parameters to improve classification accuracy. The data used in this study is obtained from user reviews of the Maxim application on the Play Store platform. The analysis process includes data collection, text preprocessing, feature extraction using Term FrequencyInverse Document Frequency (TF-IDF), and sentiment classification into positive, negative, and neutral categories. The results indicate that the use of PSO in optimizing SVM parameters enhances accuracy compared to SVM without optimization. Therefore, the proposed method can be an effective approach to analyzing user sentiment toward online transportation applications.
Keywords: Sentiment Analysis, Support Vector Machine, Particle Swarm Optimization, Maxim, Text Classification

---

Ketersediaan

SKR 25-51 0485SI

SKR 25-51 PAS s - 0485SI

Perpustakan UNDIPA (Rak Skripsi/Tugas Akhir)

Tidak Dipinjamkan-No Loan

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 PAS s - 0485SI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiv + 83 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 27 Februari 2025

Subjek

Skripsi/Tugas Akhir
Support Vector Machine
Analisis Sentimen
Particle Swarm Optimization

Lampiran File