Analisis sentimen pinjaman online di Indonesia menggunakan metode random forest (studi kasus pada aplikasi twitter)

Ardiansyah, Muhammad Alif (2024) Analisis sentimen pinjaman online di Indonesia menggunakan metode random forest (studi kasus pada aplikasi twitter). Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.

	Text COVER.pdf Download (506kB)
	Text BAB-I.pdf Download (274kB)
	Text BAB-II.pdf Restricted to Repository staff only Download (422kB)
	Text BAB-III.pdf Restricted to Repository staff only Download (707kB)
	Text BAB-IV.pdf Restricted to Repository staff only Download (409kB)
	Text BAB-V.pdf Restricted to Repository staff only Download (38kB)
	Text DAFTAR-PUSTAKA.pdf Restricted to Repository staff only Download (162kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (338kB)

Abstract

Di tengah kemajuan pesat era digital, sektor pinjaman online di Indonesia mengalami pertumbuhan signifikan. Namun, regulasi yang belum memadai dan meningkatnya tindakan tidak etis oleh penyedia layanan telah menimbulkan beragam pandangan di kalangan masyarakat, terutama pada platform media sosial seperti Twitter. Tujuan dari penelitian ini adalah menganalisis persepsi publik tentang pinjaman online dengan menerapkan metode Random Forest pada teks tweet di Twitter. Metode ini dipilih karena kemampuannya dalam mengatasi overfitting dan memberikan hasil klasifikasi yang akurat. Data penelitian terdiri dari 1000 tweet yang dikategorikan sebagai sentimen positif, negatif, atau netral. Sebelum klasifikasi, dilakukan preprocessing data termasuk pembersihan teks, tokenisasi, dan stemming serta dilakukan perhitungan TF-IDF. Hasil penelitian menunjukkan bahwa kombinasi metode Random Forest dan teknik SMOTE memberikan kontribusi signifikan dalam analisis sentimen. Model yang dikembangkan mencapai akurasi 80%, dengan precision untuk sentimen negatif 83%, netral 65%, dan positif 83%. Nilai recall untuk sentimen negatif adalah 93%, netral 55%, dan positif 45%, sedangkan F1-score masing-masing adalah 88%, 59%, dan 59%. Kesimpulan dapat disimpulkan bahwa meskipun model ini menunjukkan kinerja yang optimal, terutama untuk sentimen negatif, peningkatan lebih lanjut diperlukan untuk analisis yang lebih komprehensif, terutama pada sentimen netral.

Item Type:	Thesis (Undergraduate (S1))
Uncontrolled Keywords:	analisis sentimen, pinjaman online, Random Forest, SMOTE, Twitter
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Informasi > Informatika
Depositing User:	Perpustakaan Unmer Pasuruan
Date Deposited:	10 Sep 2024 02:30
Last Modified:	10 Sep 2024 02:30
URI:	http://repository.unmerpas.ac.id/id/eprint/701

Actions (login required)

View Item