Anda belum Log-in!
Silahkan Log in
Selamat Datang di Portal Digital Content Publisher
Sabtu , 15 November 2025
Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.
di-posting oleh 180441100055 pada 2024-11-13 11:11:24 • 89 klik
Analisis Sentimen Ulasan M-Pajak Menggunakan Algoritma Support Vector Machine, Naive Bayes, dan KNN
Sentiment Analysis of M-Pajak Reviews Using Support Vector Machine, Naive Bayes, and KNN Algorithms
disusun oleh ABDULLAH FAISOL
| Subyek: | Analisis Sentimen Teks Mining |
| Kata Kunci: | Support Vector Machine Naive Bayes KNN Sentimen |
[ Anotasi Abstrak ]
M-Pajak adalah aplikasi digital yang dikembangkan oleh Direktorat Jenderal Pajak (DJP) untuk mempermudah masyarakat dalam mengelola kewajiban perpajakan. Meskipun bertujuan untuk membantu, aplikasi ini menerima banyak ulasan negatif di Google PlayStore, yang menunjukkan adanya ketidakpuasan dari pengguna. Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan-ulasan tersebut dengan menggunakan tiga algoritma klasifikasi: Support Vector Machine (SVM), Naive Bayes, dan K-Nearest Neighbors (KNN). Evaluasi dilakukan menggunakan teknik 10-Fold Cross Validation untuk membandingkan kinerja algoritma berdasarkan akurasi, recall, dan presisi. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja terbaik dengan akurasi sebesar 86.41%, diikuti oleh Naive Bayes, sementara KNN menunjukkan performa terendah. Penelitian ini menyimpulkan bahwa SVM merupakan algoritma yang paling efektif untuk menganalisis sentimen ulasan M-Pajak.
Deskripsi Lain
M-Pajak is a digital application developed by the Direktorat Jenderal Pajak (DJP) to simplify tax management for the public. Although designed to assist users, the app has received numerous negative reviews on Google PlayStore, indicating user dissatisfaction. This study aims to analyze the sentiment of these reviews using three classification algorithms: Support Vector Machine (SVM), Naive Bayes, and K-Nearest Neighbors (KNN). Evaluation is conducted using 10-Fold Cross Validation to compare the performance of these algorithms based on accuracy, recall, and precision. The study results show that SVM performs the best, with an accuracy of 86.41%, followed by Naive Bayes, while KNN demonstrates the lowest performance. This research concludes that SVM is the most effective algorithm for analyzing the sentiment of M-Pajak reviews.
| Kontributor | : Wahyudi Agustiono, S.Kom., M.Sc., Ph.D.;Dr. Wahyudi Setiawan, S.kom., M.Kom. |
| Tanggal tercipta | : 2024-09-26 |
| Jenis(Tipe) | : Text |
| Bentuk(Format) | |
| Bahasa | : Indonesia |
| Pengenal(Identifier) | : TRUNOJOYO-Tugas Akhir-34410 |
| No Koleksi | : 180441100055 |
Download File Penyerta (khusus anggota terdaftar)
1. TRUNOJOYO-Tugas Akhir-34410-Abstract.pdf - 5 KB 2. TRUNOJOYO-Tugas Akhir-34410-Cover.pdf - 603 KB 3. TRUNOJOYO-Tugas Akhir-34410-Chapter1.pdf - 230 KB 4. TRUNOJOYO-Tugas Akhir-34410-Chapter2.pdf - 202 KB 5. TRUNOJOYO-Tugas Akhir-34410-Chapter3.pdf - 4083 KB 6. TRUNOJOYO-Tugas Akhir-34410-Chapter4.pdf - 832 KB 7. TRUNOJOYO-Tugas Akhir-34410-Conclusion.pdf - 14 KB 8. TRUNOJOYO-Tugas Akhir-34410-References.pdf - 133 KB
Dokumen sejenis...Tidak ada !
Dokumen yang bertautan...- Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
- IDENTIFIKASI MODEL GAYA BELAJAR FELDER SILVERMAN BERDASARKAN KARAKTERISTIK BROWSING SISWA DENGAN METODE NAÏVE BAYES CLASSIFIER
- RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER
- Analisa Pemilihan Alat Kontrasepsi Dengan Menggunakan Metode Naive Bayes
- Sistem Pendukung Keputusan Penerimaan dan Pengalihan Beasiswa Bidikmisi Menggunakan Metode Naive Bayes Classifier dan Profile Matching
Kembali ke Daftar