Komparasi Algoritma Support Vector Machine dan Naive Bayes untuk Analisa Sentimen Komentar Aplikasi TUGAS AKHIR. Jody

(1)

HALAMAN SAMPUL

Komparasi Algoritma Support Vector Machine dan Naive Bayes untuk Analisa Sentimen Komentar Aplikasi

TUGAS AKHIR

Jody 41517010040

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER

UNIVERSITAS MERCU BUANA JAKARTA

2021

IN REVIEW

http://digilib.mercubuana.ac.id/

(2)

i HALAMAN JUDUL

HALAMAN JUDUL

Komparasi Algoritma Support Vector Machine dan Naive Bayes untuk Analisa Sentimen Komentar Aplikasi

Tugas Akhir

Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Oleh:

Jody 41517010040

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA

JAKARTA 2021

(3)

ii LEMBAR PERNYATAAN ORISINALITAS

(4)

iii SURAT PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR

(5)

iv SURAT PERNYATAAN LUARAN TUGAS AKHIR

(6)

v LEMBAR PERSETUJUAN PENGUJI

(7)

vi LEMBAR PERSETUJUAN PENGUJI

(8)

vii LEMBAR PERSETUJUAN PENGUJI

(9)

viii LEMBAR PENGESAHAN

(10)

ix ABSTRAK

Nama : Jody

NIM : 41517010040

Pembimbing TA : Desi Ramayanti, S.Kom, MT.

Judul : Komparasi Algoritma Support Vector Machine dan Naive Bayes untuk Analisa Sentimen Komentar Aplikasi

Abstrak - PT. Sinergi Digital Teknologi atau sering disebut Lenna.ai adalah perusahaan yang bergerak dalam pembuatan dan pengembangan aplikasi berbasis kecerdasan buatan dan multiplatform. Sebuah aplikasi yang ada di marketplace, akan mendapatkan komentar atau review dari pengguna. komentar atau review ini berfungsi untuk melihat keefektifan fitur dan kelemahan yang dimiliki aplikasi setelah dirilis. sehingga aplikasi tersebut bisa di kembangkan lebih baik. Saat ini PT Sinergi Digital Teknologi melihat bahwa komentar atau review yang disediakan oleh marketplace ini belum bisa diolah informasinya secara optimal. Maka dari itu, untuk mendapatkan informasi dan dapat menarik kesimpulan yang lebih efektif dan tepat sasaran dari komentar pengguna diperlukan analisa sentimen sebagai sistem yang bekerja secara otomatis dalam prediksi sentimen. Sampel data yang diambil merupakan data komentar yang diambil dari API marketplace Google Play dan Apps Store berkaitan dengan aplikasi yang telah dirilis PT Sinergi Digital Teknologi dan mengambil 3 sampel aplikasi yaitu BNI Call, Lenna Virtual Assistant dan Tripa Smart sebanyak 1000 data. Data dibagi menjadi data latih dan data uji, dimana data latih akan digunakan untuk acuan akurasi data uji. Dari hasil pengujian, didapatkan bahwa algoritma Support Vector Machine memperoleh akurasi rata-rata sebesar 98.53%. Adapun algoritma pembanding yaitu Naïve Bayes, yaitu sebesar 96.23%.

Kata kunci: Support Vector Machine, Naïve Bayes, Analisa Sentimen, Lenna, Komentar.

(11)

x ABSTRACT

Name : Jody

Student Number : 41517010040

Counsellor : Desi Ramayanti, S.Kom, MT.

Title : Comparison of Support Vector Machine and Naive Bayes Algorithms for Sentiment Analysis of Application Comment

PT. Sinergi Digital Teknologi or often called Lenna.ai is a company engaged in the creation and development of applications based on artificial intelligence and multiplatform. An application in the marketplace will get comments or reviews from users. This comment or review serves to see the effectiveness of the features and weaknesses that the application has after its release. so that the application can be developed better. Currently, PT Sinergi Digital Teknologi sees that the comments or reviews provided by this marketplace cannot be processed optimally. Therefore, to obtain information and be able to draw more effective and targeted conclusions from user comments, sentiment analysis is needed as a system that works automatically in predicting sentiment. The data sample taken is the comment data taken from the Google Play API marketplace and the Apps Store related to the application that has been released by PT Sinergi Digital Teknologi and took 3 application samples, namely BNI Call, Lenna Virtual Assistant, and Tripa Smart as many as 1000 data. The data is divided into training data and test data, where the training data will be used to reference the accuracy of the test data. From the test results, it was found that the Support Vector Machine algorithm obtained an average accuracy of 98.53%. The comparison algorithm is Naïve Bayes, which is 96.23%.

Keywords: Support Vector Machine, Naïve Bayes, Sentiment Analysis, Lenna, Comment.

(12)

xi KATA PENGANTAR

Puji syukur kita panjatkan kepada ALLAH SWT yang telah memberikan nikmat dan rahmatnya sehingga penulis dapat menyelesaikan laporan tugas akhir ini yang berjudul “Komparasi Algoritma Support Vector Machine dan Naive Bayes untuk Analisa Sentimen Komentar Aplikasi” dengan lancer. Tugas akhir ini disusun untuk memenuhi syarat memperoleh gelar sarjana pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas Mercu Buana.

Penulis menyadari bahwa tanpa bantuan dan bimbingan dari dosen pembimbing, orang tua serta teman-teman tidak akan terselesaikan dengan baik tugas akhir ini.

Oleh karena itu, penulis mengucapkan terima kasih kepada :

1. Ibu Desi Ramayanti, S.Kom, MT selaku Kepala Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Mercu Buana dan selaku dosen pembimbing tugas akhir yang telah memberikan masukan saat bimbingan dan meluangkan waktu sebagian besarnya untuk melakukan bimbingan dalam penyusunan tugas akhir ini hingga selesai.

2. Bapak Diky Firdaus, S.Kom, MM selaku dosen pembimbing akademik yang telah membimbing saya sejak awal mula semester hingga sampai saat ini dan selalu memberikan motivasi serta arahan agar dapat lulus tepat waktu.

3. Orang tua yang selalu memberikan dukungan secara penuh dan doa sehingga dapat menyelesaikan semua laporan tugas akhir dengan lancer.

4. Teman-teman dan sahabat yang selalu memberikan dukungan dan memotivasi dalam melakukan penulisan tugas akhir ini agar dapat terselesaikan dengan baik.

Akhir kata, penulis berharap tugas akhir ini dapat menjadi bermanfaat bagi pembaca dan menambah wawasan pengetahuan semua pihak.

Jakarta, 29 Januari 2021

Penulis

(13)

xii DAFTAR ISI

HALAMAN SAMPUL ... 1

HALAMAN JUDUL ... i

LEMBAR PERNYATAAN ORISINALITAS ... ii

SURAT PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR ... iii

SURAT PERNYATAAN LUARAN TUGAS AKHIR ... iv

LEMBAR PERSETUJUAN PENGUJI ... v

LEMBAR PENGESAHAN ... viii

ABSTRAK ... ix

ABSTRACT ... x

KATA PENGANTAR ... xi

DAFTAR ISI ... xiii

NASKAH JURNAL ... 1

KERTAS KERJA ... 10

BAB 1. LITERATUR REVIEW ... 11

BAB 2. SOURCE CODE ... 15

BAB 3. DATASET ... 19

BAB 4. TAHAPAN EKSPERIMEN ... 22

BAB 5. HASIL SEMUA EKSPERIMEN ... 33

DAFTAR PUSTAKA ... 44

LAMPIRAN DOKUMEN HAKI ... 45

LAMPIRAN KORESPONDENSI ... 48

LAMPIRAN CV ... 49

(14)

1

Universitas Mercu Buana

NASKAH JURNAL

(15)

2

(16)

3

(17)

4

(18)

5

(19)

6

(20)

7

(21)

8

(22)

9

(23)

10

KERTAS KERJA

Ringkasan

Kertas kerja ini merupakan material kelengkapan artikel jurnal dengan judul di atas.

Kertas kerja berisi semua material hasil penelitan Tugas Akhir yang tidak dimuat/atau disertakan di artikel jurnal. Di dalam kertas kerja ini disajikan:

literature review, Data Set, tahapan eksperimen, source code, dan hasil eksperimen secara keseluruhan. Literatur review berisi tentang jurnal-jurnal pendukung yang terkait dengan penelitian analisa sentimen yang telah dibuat. Pada bab ini dijelaskan masing-masing judul jurnal yang dikutip, topik yang dibahas pada setiap jurnal yang dikutip, metode yang digunakan dalam penelitian tersebut, dan hasil yang didapatkan dari pengujian algoritma yang digunakan. Pada bab Data Set dilampirkan variabel-variabel yang digunakan sebagai landasan pengujian algoritma, Data tersebut terbagi menjadi dua yaitu data latih dan data uji. Pada bab ini, dilampirkan pula sedikit sampel data yang digunakan dalam penelitian.

Tahapan eksperimen merupakan bab yang membahas tentang eksperimen yang akan dilakukan untuk analisa sentimen data komentar menggunakan metode Support Vector Machine dan Naïve Bayes. Pada bab source code disajikan beberapa potongan code yang digunakan untuk melakuan pengujian algoritma dengan menggunakan bahasa program Python dan beberapa library pendukungnya.

Kemudian yang terakhir yaitu bab hasil eksperimen secara keseluruhan membahas hasil yang didapat saat melakukan pengujian algoritma baik dari segi akurasi, presisi, recall dan f1-score. Selain itu, dijabarkan pula hasil dari perbandingan kedua algoritma yang digunakan tersebut dalam melakukan analisa sentimen sampai pada penarikan kesimpulan algoritma yang terbaik.