NATURAL LANGUAGE PROCESSING DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP KUALITAS SEPEDA MOTOR HONDA DI MEDIA SOSIAL X (TWITTER) MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

Pahmi, M.Ilham Ari (2024) NATURAL LANGUAGE PROCESSING DALAM ANALISIS SENTIMEN MASYARAKAT TERHADAP KUALITAS SEPEDA MOTOR HONDA DI MEDIA SOSIAL X (TWITTER) MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Sarjana thesis, Universitas Putra Indonesia YPTK Padang.

	Text Skripsi_20101152630278_M Ilham Ari Pahmi_Bab I.pdf Download (145kB)
	Text Skripsi_20101152630278_M Ilham Ari Pahmi_Abstrak.pdf Download (237kB)
	Text Skripsi_20101152630278_M Ilham Ari Pahmi_Daftar Pustaka.pdf Download (216kB)
	Text Skripsi_20101152630278_M Ilham Ari Pahmi_Full Text.pdf Restricted to Repository staff only Download (7MB)

Abstract

Perkembangan industri sepeda motor di Indonesia telah mengalami pertumbuhan yang signifikan, dengan jumlah pengguna yang terus meningkat setiap tahun. PT Astra Honda Motor, sebagai salah satu produsen terbesar, telah memainkan peran kunci dalam pertumbuhan ini melalui berbagai inovasi, termasuk penerapan rangka eSAF (Enhanced Smart Architecture Frame) pada model All New Honda BeAT, yang dirancang untuk meningkatkan stabilitas dan kenyamanan berkendara. Namun, laporan baru-baru ini tentang masalah kerusakan pada rangka eSAF, seperti patah dan keropos, telah menurunkan kepercayaan masyarakat terhadap produk Honda dan memicu perbincangan luas di media sosial. Penelitian ini dilakukan untuk menganalisis sentimen publik terhadap kualitas sepeda motor Honda dengan memanfaatkan data dari platform media sosial X (sebelumnya Twitter). Data dikumpulkan menggunakan kata kunci yang relevan dan dianalisis menggunakan teknik analisis sentimen berbasis pemrosesan bahasa alami dengan metode Naive Bayes Classifier dan VADER (Valence Aware Dictionary and Sentiment Reasoner). Dari 2.335 tweet yang dianalisis, 1.289 tweet menunjukkan sentimen positif, 883 tweet mencerminkan sentimen negatif, dan 163 tweet menunjukkan sentimen netral. Implementasi metode ini menghasilkan akurasi pelabelan mencapai 79% dan akurasi parameter klasifikasi yang tinggi mencapai 100%. Hasil ini memberikan gambaran yang lebih jelas bagi masyarakat tentang persepsi publik terhadap kualitas sepeda motor Honda, sehingga dapat menjadi bahan pertimbangan penting bagi masyarakat dalam memilih sepeda motor yang sesuai dengan kebutuhan dan preferensi mereka. Kata Kunci: Machine Learning, Analisis Sentimen, Naïve Bayes Classifier, VADER, Kualitas Sepeda Motor

Actions (login required)

View Item