Prodi Teknik Informatika
PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI LINKEDIN
XMLInformasi lowongan pekerjaan dalam bentuk media cetak sekarang ini sudahmulai sedikit. Kecanggihan teknologi informasi dunia yang berkembang semakinpesat, menjadikan media informasi lowongan pekerjaan banyak ditemukan dalambentuk digital, seperti pada aplikasi pekerjaan, media sosial, ataupun website.Namun lowongan pekerjaan yang sumbernya tidak jelas, belum tentu terjaminkeasliannya, karena kejahatan dapat menyertainya seperti adanya penipuan darilowongan pekerjaan palsu. Lebih baik dapat menggunakan aplikasi yang resmikhusus untuk mencari informasi lowongan pekerjaan, salah satunya yaituLinkedIn. Penelitian ini melakukan perbandingan metode dalam menganalisisklasifikasi sentimen pada ulasan pengguna aplikasi LinkedIn, yang didapatkandari Google Play Store. Analisis sentimen ini berguna untuk mengetahui sepertiapa gambaran ulasan atau opini dari para pengguna aplikasi LinkedIn cenderungpositif atau negatif. Membandingkan 2 metode machine learning pada penelitianini bertujuan untuk mengetahui perbandingan tingkat akurasi metode mana yanglebih baik antara metode Naïve Bayes dan Support Vector Machine. Analisissentimen menggunakan metode Naïve Bayes menghasilkan nilai accuracy 88%,precision 88%, recall 85%, dan f1-score 86%. Sedangkan metode Support VectorMachine menghasilkan nilai yang lebih tinggi dengan accuracy 90%, precision89%, recall 88%, dan f1-score 88%. Perbandingan performa dua metode tersebut menunjukkan bahwa, metode Support Vector Machine memiliki tingkat akurasiyang lebih baik dibandingkan dengan metode Naïve Bayes.
Kata Kunci : Lowongan Pekerjaan, LinkedIn, Analisis Sentimen, Naïve Bayes,Support Vector Machine.
Detail Information
Item Type |
Laporan Tugas Akhir
|
---|---|
Penulis |
Gishella Septania Al-Husna - Personal Name
|
Student ID |
2019150113
|
Dosen Pembimbing |
Dian Asmarajati., M.Kom. - - Dosen Pembimbing 1
Iman Ahmad Ihsanuddin, S.Pd.Kom, M.Pd - - Dosen Pembimbing 2 |
Penguji | |
Kode Prodi PDDIKTI |
55201
|
Edisi |
Published
|
Departement |
Teknik Informatika
|
Kontributor | |
Bahasa |
Indonesia
|
Penerbit | Universitas Sains Al-Qur'an : Wonosobo., 2023 |
Edisi |
Published
|
Subyek | |
No Panggil | |
Copyright |
Individu Penulis
|
Doi |