Opinion Mining Qris pada Twitter menggunakan Vader Dan Lda

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Ulya, Dzakiya Ishmatul (2023) Opinion Mining Qris pada Twitter menggunakan Vader Dan Lda. Undergraduate thesis, UIN Sunan Ampel Surabaya.

Text Dzakiya Ishmatul Ulya_H96219045_OK.pdf Download (1MB)

Abstract

QRIS merupakan kode QR terstandarisasi yang dikembangkan oleh Bank Indonesia untuk memudahkan transaksi mobile payment di Indonesia. Adopsi penggunaan QRIS yang semakin meningkat menyebabkan banyaknya opini publik dan pengalaman masyarakat yang dibagikan di media sosial, termasuk Twitter. Penelitian ini bertujuan untuk mengetahui sentimen masyarakat dan topik dominan terkait QRIS di Indonesia menggunakan metode VADER dan LDA. Hasil penelitian mengungkap bahwa sebanyak 67% sentimen masyarakat terhadap QRIS adalah positif, 28,2% sentimen negatif, dan 4,17% sentimen netral dengan akurasi pelabelan sentimen sebesar 81,66%. Selain itu, terdapat enam topik dominan yang muncul pada tweets positif dengan C_V 0.488037, serta tiga topik dominan pada tweets negatif dengan C_V 0.383938. Hal ini membuktikan bahwa penggunaan QRIS di Indonesia masih mendapatkan respon positif dari masyarakat. Meskipun hasil analisis menunjukkan lebih banyak topik dengan sentimen positif daripada negatif, topik-topik negatif yang teridentifikasi dapat memberikan wawasan berharga guna meningkatkan sistem QRIS. Oleh karena itu, sangat penting bagi para stakeholders untuk memperhatikan feedback positif dan negatif untuk memastikan pengembangan dan keberhasilan berkelanjutan QRIS di Indonesia.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Ulya, Dzakiya Ishmatul dishmatul@gmail.com H96219045
Contributors:	Contribution Name Email NIDN Thesis advisor Kunaefi, Anang akunaefi@uinsby.ac.id 2013117902 Thesis advisor Rolliawati, Dwi dwi_roll@uinsby.ac.id 2027097901
Subjects:	Teknologi > Teknologi Informasi
Keywords:	Natural Language Processing; Analisis Sentimen; Opinion Mining; Pemodelan Topik; Mobile Payment; QRIS
Divisions:	Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User:	Dzakiya Ishmatul Ulya
Date Deposited:	16 May 2023 04:38
Last Modified:	17 May 2023 06:56
URI:	http://digilib.uinsa.ac.id/id/eprint/62310

Actions (login required)

View Item