ANGGREINI SIMANJUNTAK, SEVIA and Bettiza, Martaleli and Magfira, Fortia (2026) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI JAMSOSTEK MOBILE (JMO) DI PLAYSTORE. S1 thesis, Universitas Maritim Raja Ali Haji.
![[img]](http://repositori.umrah.ac.id/style/images/fileicons/text.png) |
Text (Cover)
SEVIA_ANGGREINI_2101020083_Teknik Informatika - Cover.pdf - Published Version Download (976kB) |
|
Text (Abstrak)
SEVIA_ANGGREINI_2101020083_Teknik Informatika - Abstrak.pdf - Published Version Download (114kB) |
|
Text (BAB I)
SEVIA_ANGGREINI_2101020083_Teknik Informatika - BAB I.pdf - Published Version Download (292kB) |
|
Text (Daftar Pustaka)
SEVIA_ANGGREINI_2101020083_Teknik Informatika - Daftar Pustaka.pdf - Published Version Download (207kB) |
|
Text (Full Teks)
Sevia_Anggreini_2101020083_Teknik Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy |
Abstract
Jamsostek Mobile (JMO) merupakan aplikasi resmi dari BPJS Ketenagakerjaan yang dirancang untuk memberikan kemudahan layanan kepesertaan secara digital. Penelitian ini mengusulkan metode klasifikasi sentimen berbasis pembelajaran terawasi dengan membandingkan performa algoritma K-Nearest Neighbor (K-NN) dan Support Vector Machine (SVM) dalam menganalisis ulasan pengguna aplikasi JMO. Data yang digunakan berjumlah 10.000 ulasan pengguna dari Google PlayStore, yang telah melalui proses preprocessing dan vektorisasi menggunakan TF-IDF. Model SVM diimplementasikan dengan kernel polynomial derajat dua, sedangkan K-NN menggunakan nilai K optimal berdasarkan evaluasi akurasi untuk mengklasifikasikan sentimen positif, netral, dan negatif. Hasil evaluasi menunjukkan bahwa model SVM memiliki akurasi tertinggi sebesar 90,00%, mengungguli K-NN yang memperoleh akurasi sebesar 78,25%. Dari sisi efisiensi, K-NN memiliki waktu klasifikasi yang lebih cepat dibandingkan SVM. Temuan ini menunjukkan bahwa algoritma SVM lebih unggul dalam klasifikasi sentimen ulasan pengguna aplikasi JMO, dan berkontribusi dalam pengembangan sistem evaluasi layanan publik berbasis teks ulasan digital.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Subjects: | 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman 000_umum > 000. Ilmu Umum dan Komputer > 005.12. Sistem Analisa dan Desain Perangkat Lunak |
|||||||||
| Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
| Depositing User: | user Teknik Informatika | |||||||||
| Date Deposited: | 23 Jan 2026 02:45 | |||||||||
| Last Modified: | 23 Jan 2026 02:45 | |||||||||
| URI: | http://repositori.umrah.ac.id/id/eprint/10409 |
Actions (login required)
 |
View Item |