Sihite, Daniel (2025) ANALISIS SENTIMEN MASYARAKAT TERHADAP PINJAMAN ONLINE PADA PLATFORM X DENGAN METODE TF-IDF DAN NAÏVE BAYES. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915091016-COVER.pdf Download (922kB) |
|
Text (ABSTRAK)
1915091016-ABSTRAK.pdf Download (51kB) |
|
Text (BAB 1 PENDAHULUAN)
1915091016-BAB 1 PENDAHULUAN.pdf Download (186kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915091016-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (741kB) | Request a copy |
|
Text (BAB 3 METODOLOGI PENELITIAN)
1915091016-BAB 3 METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (444kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915091016-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (641kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915091016-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (30kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915091016-DAFTAR PUSTAKA.pdf Download (162kB) |
|
Text (LAMPIRAN)
1915091016-LAMPIRAN.pdf Download (1MB) |
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap layanan pinjaman online (pinjol) di Indonesia melalui platform media sosial X (Twitter). Dengan menggabungkan metode Naïve Bayes dan TF-IDF, penelitian ini memfokuskan pada klasifikasi opini menjadi sentimen positif, negatif, dan netral, serta mengatasi tantangan ketidakseimbangan data menggunakan teknik SMOTE. Data dikumpulkan melalui crawling menggunakan Python berdasarkan kata kunci terkait pinjol selama periode September 2023 hingga Januari 2024. Dataset yang terkumpul diproses melalui tahap preprocessing seperti case folding, tokenizing, dan stemming. Kemudian, data dianalisis menggunakan TF-IDF untuk pembobotan fitur dan algoritma Naïve Bayes untuk klasifikasi sentimen. Evaluasi dilakukan menggunakan confusion matrix dan cross-validation dengan serta tanpa teknik SMOTE. Analisis menunjukkan bahwa kombinasi Naïve Bayes dan TF-IDF menghasilkan akurasi klasifikasi yang baik. Penerapan SMOTE meningkatkan performa recall sebesar 10% dan f1-score sebesar 7%, meskipun precision menurun sebesar 7%. Sentimen negatif terhadap pinjol mendominasi dataset dengan total 305 dari 622 tweet, dengan jumlah data positif sebanyak 123 tweet dan data netral sebanyak 194 tweet. Dari penelitian ini didapatkan hasil yang menunjukkan bahwa masyarakat cenderung memiliki persepsi negatif mengenai layanan pinjol, terutama terkait bunga tinggi dan risiko keamanan. Peningkatan performa model melalui teknik SMOTE membuktikan efektivitas strategi ini dalam mengatasi ketidakseimbangan data, menghasilkan analisis sentimen yang lebih representatif. Studi ini memberikan wawasan mengenai pandangan masyarakat pada pinjol, yang dapat menjadi dasar untuk perbaikan layanan dan regulasi. Penggunaan kombinasi metode TF-IDF dan Naïve Bayes serta penerapan SMOTE terbukti meningkatkan akurasi analisis sentimen.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Pinjaman Online, Platform X, TF-IDF, Naive Bayes |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Daniel Sihite |
| Date Deposited: | 30 Jan 2025 00:59 |
| Last Modified: | 30 Jan 2025 00:59 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22931 |
Actions (login required)
 |
View Item |