Soleqah, Rohayati Umilatus (2023) ANALISIS SENTIMEN PENGGUNAAN QRIS BERDASARKAN MEDIA SOSIAL TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN DEPAN)
1_195610071_HALAMAN_DEPAN.pdf - Published Version Download (366kB) |
|
Text
2_195610071_BAB_I.pdf - Published Version Download (127kB) |
|
Text
3_195610071_BAB_II.pdf - Published Version Download (1MB) |
|
Text
4_195610071_BAB_III.pdf - Published Version Restricted to Repository staff only Download (250kB) |
|
Text
5_195610071_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (1MB) |
|
Text
6_195610071_BAB_V.pdf - Published Version Download (120kB) |
|
Text
7_195610071_DAFTAR_PUSTAKA.pdf - Published Version Download (100kB) |
|
Text
8_195610071_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (28kB) |
|
Text
9_195610071_BAB_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (139kB) |
Abstract
Semakin berkembangnya teknologi informasi, pembayaran digital sangat membantu dan mempercepat proses pembayaran. Uang elektronik dinilai lebih efektif sebagai alat transaksi pembayaran dan menjadi penggerak utama pertumbuhan ekonomi saat ini salah satunya QRIS. Dengan adanya peningkatan pengguna, upaya untuk mengetahui kelemahan keuangan elektronik maka dilakukan dilakukan analisis sentimen. Analisis sentimen adalah proses menganalisis teks digital untuk menentukan ulasan tersebut termasuk positif, negatif, atau netral. Tujuan penelitian ini untuk mengetahui kecenderungan sentimen masyarakat di media sosial twitter terhadap penggunaan QRIS. Untuk mengetahui kepuasan pelanggan dapat diambil dari berbagai cara, salah satunya dengan mengetahui opini masyarakat di media sosial twitter. Tweet yang dikumpulkan mulai tanggal 1 Oktober 2021 sampai 1 April 2023. Tweet yang dikumpulkan akan dilakukan pembototan nilai menggunakan TF-IDF dan akan klasifikasi dengan metode KNN (K-Nearest Neighbor). K-Nearest Neighbor atau biasa disebut dengan KNN adalah salah satu metode paling sederhana untuk memecahkan masalah klasifikasi. Hasil penelitian ini menggunakan 1115 data yang telah dilakukan, diketahui bahwa terdapat 47% ulasan bersentimen positif, 40% ulasan bersentimen netral dan 13% ulasan bersentimen negatif. Dari hasil pengujian dengan menggunakan 10% uji dan 90% latih, mendapatkan nilai k tertinggi 14 serta akurasi sebesar 71%. Pengujian dengan nilai-k tertinggi menghasilkan ratarata precision 0.70, recall 0.65 dan f1-score 0.67. Kata Kunci: Analisis sentimen, K-Nearest Neighbor, TF-IDF.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Endang Wahyuningsih, S.Kom., M.Cs. |
| Uncontrolled Keywords: | Analisis sentimen, K-Nearest Neighbor, TF-IDF. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Analisis Sentimen A Karya Umum (General) > Ilmu Komputer (Computer Science) > Perangkat Lunak A Karya Umum (General) > Metode Riset |
| Divisions: | Jenjang S1 > Sistem Informasi (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 03 Nov 2023 03:38 |
| Last Modified: | 14 Des 2023 07:26 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10160 |
Actions (login required)
 |
View Item |
