ANALISIS TEXT MINING PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN SOCIAL NETWORK ANALYSIS (SNA)

Lestari, Tri Putri (2022) ANALISIS TEXT MINING PADA SOSIAL MEDIA TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN SOCIAL NETWORK ANALYSIS (SNA). Masters thesis, Universitas Putra Indonesia "YPTK".

Preview	Text (ABSTRAK) TESIS_Tri Putri Lestari_202321020_ABSTRAK.pdf Download (189kB) | Preview
Preview	Text (DAFTAR PUSTAKA) TESIS_Tri Putri Lestari_202321020_Daftar Pustaka.pdf Download (165kB) | Preview
Preview	Text (BAB 1) TESIS_Tri Putri Lestari_202321020_BAB 1.pdf Download (345kB) | Preview
	Text (FULL TEXT) TESIS_Tri Putri Lestari_202321020_FULL TESIS.pdf Restricted to Repository staff only Download (5MB)

Abstract

Pinjaman Online berkembang dengan pesat di Indonesia dengan rentang waktu dua tahun terakhir. Ini disebabkan karna persyaratan administrasi pinjaman online yang lebih dipermudah di bandingkan dengan pinjaman layanan keuangan perbankkan. Pinjaman online merupakan jasa keuangan yang meyediakan layanan berbasis online. Seiringan dengan perkembangan pinjaman online tersebut, banyak pinjaman online illegal bermunculan dan sering melakukan pelanggaran, seperti membocorkan informasi pribadi nasabah dan melakukan penyalahgunaan data dengan menjalankan aksi ekstrem seperti melakukan teror kepada nasabah yang melakukan transaksi pinjaman online. Hal ini tentunya mendapat banyak komentar dari kalangan masyarakat khususnya di media sosial twitter. Penelitian ini bertujuan untuk melakukan Analisa sentiment guna melihat fenomena apa yang sedang terjadi di kalangan masyarakat mengenai pinjaman online. Data yang digunakan merupakan tweet atau retweet dari media sosial twitter dengan #pinjamanonline #pinjol. Media sosial twitter di pilih di karenakan suatu kejadian dapat menjadi fenomena jika mendapat banyak perhatian dari kalangangan masyarakat terutama di media sosial twitter. Pada penelitian ini menggunakan teknik text mining dengan menerapkan algoritma Support Vector Machine guna melakukan klasifikasi sentimen pada pengguna twitter mengenai pinjaman online. Pada penelitian ini juga dilihat interaksi yang terjadi di sosisl media twitter dengan menggunakan sosial network analysis (SNA). hasil penelitian dan pengujian metode Support Vector Machine untuk mengklasifikasi pinjaman online dengan tingkat nilai Accuracy sebesar 86.6%, dengan precision sebesar positif sebesar 86 %, netral 1.00% dan negatif sebesaar 87%, recall positif sebesar 90%, netral 87% dan negatif sebesar 26% dan F1-Score positif sebesar 88% netral 42% dan negatif sebesar 86%. Kemudian pada tahap Social Network Analysis terdapat akun paling berpengaruh yaitu influencer @alvinline21 dengan 1402 nodes. Kata kunci: Social Network Analysis, Support Vector Machine, Text Mining, Twitter, Pinjaman Online

Actions (login required)

View Item