Analisis Sentimen Terhadap Ulasan Pengguna MRT Jakarta Menggunakan Information Gain dan Modified K-Nearest Neighbor
Total View This Week0
Total View This Week0
Institusion
Universitas Brawijaya
Author
Adella Ayu Paramitha, Adella Ayu Paramitha
Indriati, S.T., M.Kom.,
Yuita Arum Sari, S.Kom., M.Kom.
Indriati, S.T., M.Kom.,
Yuita Arum Sari, S.Kom., M.Kom.
Subject
004 Computer science
Datestamp
2023-12-11 04:23:02
Abstract :
Mass Rapid Transit (MRT) adalah salah satu transportasi umum berbasis rel yang beroperasi di DKI Jakarta. Transportasi ini diharapkan mampu untuk mengurangi penggunaan transportasi pribadi yang membuat angka kemacetan di Indonesia khususnya daerah Jakarta meningkat. Agar dapat menarik minat masyarakat untuk beralih menggunakan transportasi umum dibandingkan dengan transportasi pribadi salah satunya dengan meningkatkan kualitas pelayanan yang diberikan. Untuk meningkatkan kualitas pelayanan tersebut dapat dilakukan dengan membedakan pendapat pengguna yang bernilai positif dan negatif menggunakan analisis sentimen. Penelitian ini menggunakan metode klasifikasi Modified K-Nearest Neighbor (MKNN) dan seleksi fitur Information Gain. Data komentar akan dilakukan tahapan pre-processing, vectorize, seleksi fitur, pembobotan menggunakan TF-IDF, dan proses klasifikasi. Berdasarkan hasil evaluasi, didapatkan nilai accuracy sebesar 0,86769 dan f-measure sebesar 0,86265 dengan parameter k=3 dan threshold=25%.
Mass Rapid Transit (MRT) adalah salah satu transportasi umum berbasis rel yang beroperasi di DKI Jakarta. Transportasi ini diharapkan mampu untuk mengurangi penggunaan transportasi pribadi yang membuat angka kemacetan di Indonesia khususnya daerah Jakarta meningkat. Agar dapat menarik minat masyarakat untuk beralih menggunakan transportasi umum dibandingkan dengan transportasi pribadi salah satunya dengan meningkatkan kualitas pelayanan yang diberikan. Untuk meningkatkan kualitas pelayanan tersebut dapat dilakukan dengan membedakan pendapat pengguna yang bernilai positif dan negatif menggunakan analisis sentimen. Penelitian ini menggunakan metode klasifikasi Modified K-Nearest Neighbor (MKNN) dan seleksi fitur Information Gain. Data komentar akan dilakukan tahapan pre-processing, vectorize, seleksi fitur, pembobotan menggunakan TF-IDF, dan proses klasifikasi. Berdasarkan hasil evaluasi, didapatkan nilai accuracy sebesar 0,86769 dan f-measure sebesar 0,86265 dengan parameter k=3 dan threshold=25%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
