@misc{eprints70055,
           month = {Pebruari},
           title = {PERBANDINGAN METODE K-NEAREST NEIGHBORS DAN SUPPORT
VECTOR MACHINE DALAM ANALISIS SENTIMEN PENGGUNA
TWITTER TERHADAP LAYANAN PINJAMAN ONLINE},
          author = {  WIDDI    AYUNINTYAS  MUTIARA},
         address = { UNIVERSITAS LAMPUNG },
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2023},
             url = {http://digilib.unila.ac.id/70055/},
        abstract = {Dalam penelitian ini, dilakukan analisis sentimen terhadap opini masyarakat di
media sosial Twitter mengenai layanan pinjaman online yang ada dan membagi
dataset opini ke dalam dua kelas yaitu sentimen positif dan sentimen negatif.
Penggunaan layanan pinjaman online oleh masyarakat Indonesia beberapa tahun
terakhir ini masih menjadi pilihan yang populer dan masih ramai diperbincangkan.
Hal tersebut seharusnya menjadi perhatian untuk mengetahui apa yang terjadi
dalam masyarakat. Pengklasifikasian dalam penelitian ini dilakukan dengan
menggunakan metode K-Nearest Neighbor (KNN) dan Support Vector Machine
(SVM). Selanjutnya, dilakukan juga skema penyeimbangan data pada data
unbalanced menggunakan metode oversampling dan undersampling data untuk
mendapatkan metode dengan performa terbaik. Hasil klasifikasi menggunakan
metode-metode tersebut menghasilkan kinerja yang lebih baik menggunakan
algoritma Support Vector Machine (SVM) pada dataset undersampling dengan
nilai f1-score sebesar 47,41\%. Sementara pada algoritma K-Nearest Neighbors
(KNN), dihasilkan kinerja yang terbaik dengan nilai f1-score sebesar 43,60\%
pada dataset undersampling. Jadi, perbandingan dari hasil kinerja kedua metode
tersebut menunjukkan bahwa algoritma Support Vector Machine (SVM)
menghasilkan performa yang lebih baik dalam melakukan analisis sentimen
masyarakat terhadap layanan pinjaman online dibandingkan dengan algoritma KNearest Neighbors (KNN).
Kata kunci: Analisis Sentimen, K-Nearest Neighbors, Support Vector Machine,
Pinjaman Online, Twitter}
}