Klasifikasi komentar positif dan negatif pelanggan agen prima travel menggunakan algoritma k-nearest neighbor (KNN) / Lailatul Khasanah</p> - Repositori Universitas Negeri Malang

Klasifikasi komentar positif dan negatif pelanggan agen prima travel menggunakan algoritma k-nearest neighbor (KNN) / Lailatul Khasanah</p>

Khasanah, Lailatul Khasanah (2023) Klasifikasi komentar positif dan negatif pelanggan agen prima travel menggunakan algoritma k-nearest neighbor (KNN) / Lailatul Khasanah</p>. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Agen Prima Travel merupakan agen travel di kota Malang yang sudah melayani banyak pelanggan dalam perjalanannya. Untuk mengembangkan usahanya feedback dari pelanggan dibutuhkan untuk mengetahui kualitas serta perbaikan layanan yang dibutuhkan perusahaan. Feedback dapat berupa komentar yang dapat dikategorikan menjadi komentar positif dan komentar negatif. Komentar positif dan membangun dapat meningkatkan kualitas layanan perusahaan. Sedangkan komentar negatif yang berisi kata ndash kata tidak sopan tidak akan memberikan dampak baik pada perusahaan. Hal tersebut menunjukkan bahwa diperlukan pengamatan mengenai komentar pelanggan agen Prima Travel. Klasifikasi komentar positif dan negatif dapat mempermudah perusahaan dalam mengkategorikan komentar yang diberikan pelanggan untuk meningkatkan kualitas usahanya. Pada penelitian ini menggunakan data pelanggan agen Prima Travel selama satu tahun pada periode tahun 2022 dengan jumlah 417 sampel data dengan 4 atribut dan 2 kelas yaitu positif dan negatif. Pengklasifikasian dilakukan dengan menggunakan algoritma K-Nearest Neighbor (KNN). Algoritma KNN melakukan klasifikasi berdasarkan kedekatan jarak suatu data dengan data yang lain. Algoritma KNN dikombinasikan dengan GridSearch CV untuk melatih dan mengoptimalkan model untuk mendapatkan hasil prediksi terbaik. Dari hasil penelitian menunjukkan bahwa sistem klasifikasi komentar positif dan negatif menggunakan algoritma KNN dengan parameter terbaik k 1 dan metric cosine mendapatkan hasil akurasi sebesar 91 26%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 31 May 2023 04:29
Last Modified: 09 Sep 2023 03:00
URI: http://repository.um.ac.id/id/eprint/291744

Actions (login required)

View Item View Item