ANALISIS SENTIMEN TERHADAP PENGGUNAAN SISTEM PAYLATER PADA MEDIA SOSIAL X MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Almas Hediawan, Reihan (2025) ANALISIS SENTIMEN TERHADAP PENGGUNAAN SISTEM PAYLATER PADA MEDIA SOSIAL X MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, ITN MALANG.

	Text 2118086_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (691kB)
	Text 2118086_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (227kB)
	Text 2118086_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (463kB) | Request a copy
	Text 2118086_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text 2118086_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text 2118086_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (216kB) | Request a copy
	Text 2118086_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (184kB)
	Text 2118086_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy

Abstract

Kemudahan dalam bertransaksi menggunakan layanan paylater telah memunculkan berbagai reaksi dari masyarakat, terutama di platform media sosial. Pandangan yang beragam, baik yang menekankan manfaat maupun potensi risiko dari layanan ini, menjadikan analisis sentimen penting untuk mendapatkan gambaran objektif atas opini publik. Penelitian ini bertujuan merancang sistem klasifikasi sentimen masyarakat terhadap layanan paylater ke dalam tiga kategori utama yaitu positif, negatif, dan netral, dengan memanfaatkan algoritma Support Vector Machine (SVM). Proses penelitian mencakup tahap pengumpulan data, pra-pemrosesan, pelabelan, serta pelatihan model. Data dikumpulkan dari unggahan Twitter yang menggunakan tagar #shopeepaylater, #gopaylater, dan #tiktokpaylater. Dari hasil evaluasi, pembagian data dengan proporsi 85% untuk pelatihan dan 15% untuk pengujian menghasilkan akurasi sebesar 83,5%. Capaian ini menunjukkan bahwa metode SVM cukup andal dalam mengelompokkan sentimen, dengan kecenderungan opini publik yang dominan bersifat negatif terhadap layanan tersebut.

Item Type:	Thesis (Skripsi)
Additional Information:	Reihan Almas Hediawan (2118086)
Uncontrolled Keywords:	Analisis Sentimen, Paylater, Support Vector Machine, Flask, Media Sosial X
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Reihan Almas Hediawan
Date Deposited:	11 Aug 2025 03:52
Last Modified:	11 Aug 2025 03:52
URI:	http://eprints.itn.ac.id/id/eprint/14668

Actions (login required)

View Item