Skripsi

Analisis sentimen persepsi pengguna layanan aplikasi peduli lindungi menggunakan algoritma support vector machine (studi kasus : aplikasi peduli lindungi pada situs google play) / Yohana Ruth Wulan Natalia Susanto

Abstrak
Susanto Yohana. R.W.N. 2022. Analisis Sentimen Persepsi Pengguna Layanan Aplikasi Peduli Lindungi Menggunakan Algoritma Support Vector Machine. Skripsi Program Studi Teknik Industri Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Aisyah Larasati S.T. M.T. MIM. Ph.D (II) Vertic Eridani Budi Darmawan S.T. M.Sc. Kata Kunci Analisis Sentimen Peduli Lindungi Klasifikasi Support Vector Machine Virus Covid-19 sudah menjadi pandemi global termasuk Indonesia. Berbagai upaya dilakukan oleh pemerintah Indonesia guna menurunkan dampak negatif pandemi Covid-19. Salah satu upaya yang digencarkan pemerintah yaitu membuat aplikasi Peduli Lindungi untuk pelacakan individu. Aplikasi ini membantu pemerintah dengan penelusuran (tracing) pelacakan (tracking) dan pengurungan (fencing) masyarakat untuk mencegah penyebaran virus Covid-19. Aplikasi Peduli Lindungi juga dimanfaatkan masyarakat terkait dengan pendaftaran vaksinasi pemeriksaan status vaksinasi pemeriksaan sertifikat vaksin dan pemeriksaan status keamanan bepergian tiap individu. Pemanfaatan aplikasi Peduli Lindungi menimbulkan sentimen yang berbeda-beda dari pengguna baik secara positif maupun negatif. Sehingga penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap aplikasi Peduli Lindungi dengan menggunakan data ulasan pengguna pada situs Google Play. Periode pengumpulan data dimulai dari 1 Juli hingga 30 November 2021 dengan total 34.760 ulasan. Penelitian ini merupakan penelitian eksperimen yang menggunakan metode supervised klasifikasi yaitu Support Vector Machine. Data penelitian merupakan data sekunder yang diolah menggunakan software Jupyter dengan bahasa pemrograman Python. Perancangan optimasi parameter (C gamma kernel) 3 level pada algoritma Support Vector Machine dilakukan untuk mengetahui kombinasi level parameter yang memberikan performa model yang optimal. Berdasarkan hasil penelitian ini kombinasi parameter algoritma Support Vector Machine yang dibangun memberikan hasil peningkatan performa yang signifikan. Dengan implementasi metode GridSearch didapatkan kombinasi level parameter yang optimal pada C 10 gamma 2 serta kernel RBF dengan tingkat akurasi senilai 0 8135 precision senilai 0 81 recall senilai 0 91 dan F1-Score senilai 0 85 dengan kategori good classification. Hasil klasifikasi sentimen Peduli Lindungi menunjukkan bahwa pengguna cenderung menulis ulasan yang bersifat positif terutama terkait dengan interface aplikasi pemerataan vaksinasi dan akses aplikasi yang mudah. Namun informasi pada sentimen negatif menunjukkan masih ada beberapa pengguna yang merasa tidak puas terhadap kinerja aplikasi Peduli Lindungi terutama dalam hal aplikasi yang lemot sertifikat tidak muncul keamanan akun dan pengaduan layanan. Sehingga penelitian ini dapat memberikan saran perbaikan seperti mengintegrasikan setiap faskes yang menyediakan vaksinasi atau swab agar sertifikat vaksinasi menjadi real time keamanan akun pengguna tetap terjaga menggunakan sistem enkripsi dan layanan pengaduan yang cepat tanggap dengan menggunakan chatbot atau multichannel.

Informasi Detail

DDC

Rs 005.1 SUS a

Prodi

Universitas Negeri Malang. Program Studi Teknik Industri, 2022.

Deskripsi Fisik

xvi, 135 lembar : ilus. ; 30 cm

Bahasa

Indonesia

No Reg

08549/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2022

Subjek

Pembimbing

1. Aisyah Larasati, S.t., M.t., Mim., Ph.d; 2.Vertic Eridani Budi Darmawan, S.t., M.sc

Lampiran Berkas