<![CDATA[Abstrak — Pada penelitian ini dilakukan sentimen analisis terhadap tweetss terkait #TheLinkinJKT mengenai segi <SistemTicketing= dan <Kepuasan Event= dengan kategori sentimen label positif dan negatif. Sentimen analisis dilakukan menggunakanpendekatan Machine Learning dengan algoritma Support VectorMachine (SVM). Terdapat 1.331 jumlah data keseluruhan pada <Sistem Ticketing= dengan 650 tweetss dengan label positif dan705 tweetss dengan label negatif. Sedangkan pada <Kepuasan Event= terdapat 4.400 jumlah data keseluruhan dengan 1.995dengan label positif dan 2.402 dengan label negatif, pelabelan datadilakukan secara manual. Berdasarkan hasil analisismenggunakan SVM, akurasi tertinggi pada <Sistem Ticketing=dengan rasio split 70:30 sebesar 0,737 atau 73% dan akurasitertinggi pada <Kepuasan Event= dengan rasio split 80:20 sebesar0,743 atau 74%. Adapun hasil evaluasi kinerja modelmenggunakan K-Fold Cross Validation pada <Sistem Ticketing=dengan hasil accuracy sebesar 0,74, precision sebesar 0,71, recallsebesar 0,71 dan f1- score sebesar 0,71, sedangkan pada<Kepuasan Event= hasil accuracy sebesar 0,74, precision sebesar0,82, recall sebesar 0,57, dan f1-score sebesar 0,68. Hasil darianalisis ini diharapkan dapat memberikan digunakan sebagaifeedback bagi pihak terkait untuk meningkatkan kualitas layananyang diberikan dari sisi sistem ticketing dan kepuasan konsumenterhadap event yang diselenggarakan oleh pihak promotorDyandra Global Edutainment untuk acara-acara berikutnya. Kata kunci— Analisis Sentimen, Support Vector Machine, Natural Language Processing]]>
Copyrights © 2024
