Abstract:Abstract: The Halodoc application, as a digital healthcare service platform, has been widely used for various medical purposes, such as doctor consultations, medication purchases, and laboratory services. User interactions…
ns and reviews play a crucial role in enhancing service quality. Sentiment analysis was conducted using the Support Vector Machine (SVM) method to assess user perceptions and satisfaction based on reviews obtained from the Google Play Store platform. The analysis process included data collection, text preprocessing, data transformation using TF-IDF, and training an SVM model to predict sentiment. The model achieved its highest accuracy of 88.32% in the first scenario. However, accuracy slightly decreased in the second and third scenarios, reaching 86.25% and 86.94%, respectively. The analysis results indicated that the model performed best in the first scenario, with the lowest number of prediction errors. Additionally, the model was more accurate in classifying negative and positive sentiments than neutral ones.
Keywords: halodoc application; sentiment analysis; support vector machine algorithm
Abstrak: Aplikasi Halodoc, sebagai platform layanan kesehatan digital, telah banyak digunakan untuk berbagai keperluan medis seperti konsultasi dokter, pembelian obat, dan layanan laboratorium. Interaksi pengguna dan ulasan mereka memiliki peran krusial dalam meningkatkan mutu layanan. Analisis sentimen dilakukan dengan menggunakan metode Support Vector Machine (SVM) untuk mengetahui persepsi dan kepuasan pengguna berdasarkan ulasan yang diperoleh dari Platform Google Play Store. Proses analisis mencakup pengumpulan data, pra-pemrosesan teks, transformasi data menggunakan TF-IDF, dan pelatihan model SVM untuk memprediksi sentimen. Hasil pelatihan model dengan akurasi tertinggi sebesar 88,32% pada skenario pertama. Akurasi sedikit menurun pada skenario kedua dan ketiga, masing-masing sebesar 86,25% dan 86,94%, Hasil analisa menunjukkan bahwa model memiliki performa terbaik pada skenario pertama dengan jumlah kesalahan prediksi terkecil. Selain itu, model cenderung lebih akurat dalam mengklasifikasikan sentimen negatif dan positif dibandingkan netral..
Kata kunci: algoritma support vector machine; analisis sentimen; aplikasi halodoc
Abstract:Abstract: Many children drop out or stop school due to economic constraints, especially personal costs such as not being able to buy school supplies, educational development donations and so on. Therefore, the government…
has a policy to help by issuing the Smart Indonesia Program (PIP) as a goal to help students' personal costs in pursuing education. As the smart Indonesia program progresses, many parents of students complain because the selection of students receiving PIP assistance is not on target and does not comply with the provisions. As with the data collection of students receiving the Smart Indonesia Program (PIP) assistance at State Elementary School 014673 Mekar Sari Village, it is also not optimal where the recording system is still inputted into Microsoft Excel. Therefore, a system is needed that is integrated with a calculation processing technique, namely a decision support system used at State Elementary School 015673 Mekar Sari Village to determine prospective recipients of the Smart Indonesia Program assistance who are truly worthy and appropriate. For this reason, this study uses the Multi-Attribute Utility Theory (MAUT) method to find students who are eligible for PIP benefits in the determination process.
Keywords: maut method; mekar sari elementary school; smart indonesia program.
Abstrak: Banyaknya anak yang putus atau berhenti sekolah dikarenakan kendala ekonomi terutama pada biaya pribadi seperti tidak mampu membeli perlengkapan sekolah, uang sumbangan pembinaan pendidikan dan lain sebagainya. Maka dari itu pemerintah memiliki kebijakan untuk membantu dengan mengeluarkan Program Indonesia Pintar (PIP) sebagai tujuan untuk membantu biaya pribadi siswa dalam menempuh pendidikan. Seiring berjalannya program indonesia pintar banyak kalangan orang tua siswa mengeluh dikarenakan dalam pemilihan siswa penerima bantuan PIP tidak tepat sasaran dan tidak sesuai dengan ketentuan. Seperti halnya dengan pendataan siswa penerima bantuan Program Indonesia Pintar (PIP) di Sekolah Dasar Negeri 014673 Desa Mekar Sari juga belum optimal dimana masih sistem pencatatan lalu di input ke Microsoft Excel. Maka dibutuhkan sebuah sistem yang sudah terintegrasi dengan sebuah teknik pengolahan perhitungan yaitu sistem pendukung keputusan yang digunakan pada Sekolah Dasar Negeri 015673 Desa Mekar Sari untuk penentuan calon penerima bantuan Program Indonesia Pintar yang benar layak dan pantas. Untuk itu penelitian ini menggunakan metode Multi-Attribute Utility Theory (MAUT) untuk mencari siswa yang layak mendapat manfaat PIP dalam proses penentuannya.
Kata kunci: metode maut; program indonesia pintar; sd negeri mekar sari.
Abstract:Abstract: Lung cancer is most deadly cancers in the world. Identification and classification of the causes of understanding lung cancer is essential for developing more effective prevention and treatment strategies. The…
issue is that a lot of individuals are unaware about the characteristics and causes of lung cancer. The purpose of this study is to apply the K-Nearest Neighbor (K-NN) algorithm in the classification of the causes of lung cancer and provide education to the public must be aware of the traits of lung cancer patients and, to stay away from the causes of lung cancer. The dataset used consists of 309 samples with 16 relevant attributes. The K-NN algorithm was trained and tested to assess its ability to classify the factors that cause lung cancer. The results showed an accuracy of 90.32%, with a precision for the "YES" class of 96% and the "NO" class of 67%. The recall value for the "YES" class was 92% and for the "NO" class was 80%. The implementation of this algorithm gives good results in classification and can help in early detection and prevention of lung cancer which can be used in the development of more effective prevention and early diagnosis strategies.
Keywords: lung cancer; k-nearest neighbor; classification; machine learning
Abstrak: Kanker paru-paru tergolong jenis penyakit kanker yang memperoleh angka kematian paling tinggi di dunia. Identifikasi dan klasifikasi penyebab kanker paru-paru sangat penting untuk pengembangan strategi pencegahan dan pengobatan yang lebih efektif. Masalah yang terjadi adalah banyak orang yang belum mengetahui tentang ciri-ciri dan penyebab-penyebab dari kangker paru tersebut. Tujuan penelitian ini adalah mengimplementasikan algoritma K-Nearest Neighbor (K-NN) dalam klasifikasi penyebab kanker paru-paru serta memberikan edukasi kepada masyarakat banyak agar mengetahui ciri-ciri orang yang mengidap kangker paru-paru dan tentunya untuk menghindari penyebab-penyebab dari kangker paru-paru tersebut. Dataset yang digunakan terdiri dari 309 sampel dengan 16 atribut yang relevan. Algoritma K-NN kemudian dilatih dan diuji untuk menilai kemampuannya dalam mengklasifikasikan faktor-faktor penyebab kanker paru-paru. Hasil penelitian menunjukkan akurasi sebesar 90.32%, dengan skor precision untuk kelas "YES" sebesar 96% dan kelas "NO" sebesar 67%. Nilai recall untuk kelas "YES" adalah 92% dan untuk kelas "NO" sebesar 80%. Implementasi algoritma ini memberikan hasil yang baik dalam klasifikasi dan dapat membantu dalam deteksi dini serta pencegahan kanker paru-paru yang dapat digunakan dalam pengembangan strategi pencegahan dan diagnosis dini yang lebih efektif.
Kata kunci: kanker paru-paru; k-nearest neighbor; klasifikasi; machine learning
Abstract:Abstract: Today, many users use online platforms rather than offline platforms for ticket bookings, involving a wide range of services such as flights, hotels, trains, buses, and entertainment. PegiPegi.com, as one of the…
e fastest growing online travel agencies in Indonesia, demonstrates success by understanding the value of technology and maintaining strong partnerships. Users of this platform often provide reviews, viewing user reviews can be done manually but this will have a less effective impact, so it needs to be done automatically with sentiment analysis. This research the Naïve Bayes method in sentiment analysis of PegiPegi.com reviews, with a focus on understanding customer satisfaction and service improvement. By combining these approaches, this research contributes to a deeper understanding of user responses to OTA services and presents the evaluation results of the Multinomial Naive Bayes classification model with an accuracy rate of 89.5%. The high precision in the Negative class demonstrates the model's ability to identify negative reviews. However, there are challenges in classifying the Neutral class, indicating the potential for further improvement. Nevertheless, the F1 score of 0.522 reflects a good balance between overall precision, recall so it can be concluded the naïve bayes algorithm is successful for performing sentiment analysis.
Keywords: Sentiment analysis; naïve bayes algorithm; pegipegi.com; playstore
Abstract: Saat ini banyak pengguna platform online dibandingkan offline untuk pemesanan tiket, yang melibatkan berbagai layanan seperti penerbangan, hotel, kereta api, bus, dan hiburan. PegiPegi.com, sebagai salah satu agen perjalanan online yang berkembang pesat di Indonesia, menunjukkan keberhasilan dengan memahami nilai teknologi dan mempertahankan kemitraan yang kuat. Pengguna platform ini sering memberikan ulasan, melihat ulasan pengguna bisa saja dilakukan secara manual tetapi hal ini akan memberikan dampak yang kurang efektif, sehingga perlu dilakukan secara otomatis dengan analisis sentiment. Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dalam analisis sentimen ulasan PegiPegi.com, dengan fokus pada pemahaman kepuasan pelanggan dan peningkatan layanan. Dengan menggabungkan pendekatan ini, penelitian ini berkontribusi pada pemahaman yang lebih dalam tentang tanggapan pengguna terhadap layanan OTA dan menyajikan hasil evaluasi model klasifikasi Multinomial Naive Bayes dengan tingkat akurasi 89,5%. Presisi tinggi di kelas Negatif menunjukkan kemampuan model untuk mengidentifikasi ulasan negatif. Namun, ada tantangan dalam mengklasifikasikan kelas Netral, menunjukkan potensi untuk perbaikan lebih lanjut. Namun demikian, skor F1 0,522 mencerminkan keseimbangan yang baik antara presisi keseluruhan dan daya ingat sehingga dapat disimpulkan algoritma naïve bayes berhasil untuk melakukan analisis sentimen.
Keywords: Analisis sentimen; naïve bayes; pegipegi.com; playstore
Abstract:Abstract: Advances in technology and the internet have an impact on various daily activities, including the teaching and learning process. E-learning facilitates flexible learning without being constrained by space and time…
ime constraints. With e-learning, subject matter can be delivered consistently and more standardly than conventional learning which depends on the conditions of the teacher or instructor. One school in Banjarnegara Regency faced problems with students who had difficulty in learning, especially English. The learning media owned is limited to package books only. Therefore, schools need to have media that can support the learning process to be more optimal. This study aims to design and test UI/UX e-learning designs that suit the needs of the school using the design thinking method. This UI/UX design is expected to be an effective solution to overcome the limitations of learning media and improve the quality of student learning. Before the UI/UX design is implemented into the system, this study also conducts testing of the UI/UX design to assess its feasibility. Testing using the SUS (System Usability Scale) method resulted in a value of 82 with grade B, so it can be concluded that the design developed in this study is feasible to be deployed into the system and further developed.
Keywords: E-learning; design thinking; system usability scale; UI/UX
Abstrak: Kemajuan teknologi dan internet berdampak pada berbagai aktivitas sehari-hari, termasuk proses belajar-mengajar. E-learning memfasilitasi pembelajaran yang fleksibel tanpa terkendala oleh batasan ruang dan waktu. Dengan e-learning, materi pelajaran dapat disampaikan secara konsisten dan lebih standar dibandingkan pembelajaran konvensional yang bergantung pada kondisi guru atau instruktur. Salah satu sekolah di Kabupaten Banjarnegara menghadapi permasalahan dengan peserta didik yang kesulitan dalam pembelajaran, khususnya bahasa Inggris. Media pembelajaran yang dimiliki terbatas hanya pada buku paket saja. Oleh karena itu, sekolah perlu memiliki media yang dapat menunjang proses pembelajaran agar lebih optimal. Penelitian ini bertujuan untuk merancang dan menguji desain UI/UX e-learning yang sesuai dengan kebutuhan sekolah tersebut menggunakan metode design thinking. Desain UI/UX ini diharapkan dapat menjadi solusi efektif untuk mengatasi keterbatasan media pembelajaran dan meningkatkan kualitas belajar siswa. Sebelum desain UI/UX diterapkan ke dalam sistem, penelitian ini juga melakukan pengujian terhadap desain UI/UX untuk menilai kelayakannya. Pengujian menggunakan metode SUS (System Usability Scale) menghasilkan nilai 82 dengan grade B, sehingga dapat disimpulkan bahwa desain yang dikembangkan dalam penelitian ini layak untuk dideploy ke dalam sistem dan dikembangkan lebih lanjut.
Kata kunci: E-learning; design thinking; system usability scale; UI/UX
Abstract:Abstract: Establishing a business or industrial location must obtain permission from the government which aims to protect the surrounding community from possible disturbances or pollution resulting from the industry. Therefore,…
refore, in order to achieve this, it is necessary to have a system that automatically provides accurate and fast decisions in determining which companies or industries are worthy of being granted a business license. The aim of this research is to build a decision support system in determining permits to disturb business or industrial premises using the Multi-Attribute Utility Theory (MAUT) method. The data analysis technique used is the MAUT method to determine the final decision in granting a disturbance permit to a company or industry. The sample or training data consists of 20 names in the Tanjungbalai City area. This system is tested with a black box which aims to find out that all components in the system are running well. Our findings show that the system we have created is appropriate based on the results of the analysis using the MAUT method. Apart from that, the results of black box testing show that all components in this system are valid and functioning well.
Keywords: granting business licenses; maut method; web based.
Abstrak: Mendirikan tempat usaha atau industri harus mendapatkan izin dari pemerintah yang bertujuan untuk melindungi masyarakat sekitar agar terlindungi dari kemungkinan timbulnya gangguan atau polusi yang diakibatkan dari industry tersebut. Oleh karena itu, demi tercapainya hal tersebut perlu adanya sistem yang secara otomatis memberikan keputusan secara akurat dan cepat dalam menentukan suatu perusahaan atau industry mana yang layak diberikan izin usaha. Tujuan penelitian ini adalah untuk membangun sistem pendukung keputusan dalam menentukan izin gangguan tempat usaha atau industri menggunakan metode Multi-Attribute Utility Theory (MAUT). Teknik analisis data yang digunakan menggunakan metode MAUT untuk menentukan keputusan akhir dalam memberikan izin gangguan kepada perusahaan atau industri. Sampel atau data training yang berjumlah 20 nama di wilayah Kota Tanjungbalai. Sistem ini diuji dengan black box yang bertujuan untuk mengetahui semua komponen pada sistem sudah berjalan dengan baik. Hasil penelitian menunjukkan bahwa sistem yang telah kami buat sudah sesuai berdasarkan hasil analisis menggunakan metode MAUT. Selain itu, hasil black box testing menunjukkan bahwa semua komponen pada sistem ini sudah valid dan berfungsi dengan baik.
Kata kunci: berbasis web; metode maut; pemberian izin usaha.
Abstract:Abstract: The need for Performance Evaluation in Scout organizations is important to ensure that organizational goals are achieved and training standards are maintained. Performance evaluation helps in identifying strengths,…
ths, weaknesses, as well as areas for improvement in training. The importance of the quality of performance of trainers in the Scout Movement cannot be underestimated, because they have a central role in guiding, training and providing inspiration to students. For this reason, there is a need to evaluate the performance of Scout trainers to increase the effectiveness of training and improve the quality of Scout education. The purpose of this research is to identify trainer performance quality criteria, evaluate their performance, and contribute knowledge in the development of a Scout trainer performance evaluation system. Then, the exponential comparison method (MPE) is used to provide a comprehensive assessment of the trainer's performance based on predetermined criteria. The results of this research are a web-based decision support application by applying the Exponential Comparison Method to evaluate the quality of Scout trainer performance, which can help improve the quality of training and provide guidance for Scout education providers. This research makes an important contribution to the development of a more efficient and effective Scout trainer performance evaluation system.
Keywords: coaching; decision support systems; exponential comparison; performance.
Abstrak : Kebutuhan akan Evaluasi Kinerja dalam organisasi Pramuka menjadi penting untuk memastikan bahwa tujuan organisasi tercapai dan standar pelatihan dipertahankan. Evaluasi kinerja membantu dalam mengidentifikasi kekuatan, kelemahan, serta area untuk perbaikan dalam pelatihan. Pentingnya kualitas kinerja para pelatih dalam Gerakan Pramuka tidak dapat dianggap rendah, karena mereka mempunyai peranan sentral dalam membimbing, melatih dan memberikan inspirasi kepada peserta didik. Untuk itu kebutuhan akan evaluasi kinerja pelatih Pramuka diperlukan untuk meningkatkan efektivitas pelatihan dan meningkatkan mutu pendidikan pramuka. Tujuan penelitian ini untuk mengidentifikasi kriteria kualitas kinerja pelatih, mengevaluasi kinerja mereka, dan menyumbangkan pengetahuan dalam pengembangan sistem evaluasi kinerja pelatih Pramuka. Kemudian, metode perbandingan eksponensial (MPE) digunakan untuk memberikan penilaian komprehensif terhadap kinerja pelatih berdasarkan kriteria yang telah ditentukan. Hasil dari penelitian ini sebuah aplikasi pendukung keputusan berbasis web dengan menerapkan Metode Perbandingan Eksponensial untuk mengevaluasi kualitas kinerja pelatih Pramuka, yang dapat membantu meningkatkan mutu pelatihan dan memberikan panduan bagi penyelenggara pendidikan Pramuka. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem evaluasi kinerja pelatih Pramuka yang lebih efisien dan efektif.
Kata Kunci: kinerja; pembinaan; perbandingan eksponensial; sistem pendukung keputusan
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine