Implementasi Model Hybrid Random Forest-Support Vector Machine untuk Prediksi Tingkat Kepuasan Pengguna Layanan Multi Lane Free Flow
Tahun 2026 · Penulis: Fadil Agusta
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Perkembangan teknologi transportasi di Indonesia telah menghadirkan sistem Multi-Lane Free Flow (MLFF) sebagai solusi pembayaran tol nirsentuh yang lebih efisien. Namun, keberhasilan penerapan teknologi ini sangat dipengaruhi oleh tingkat penerimaan masyarakat. Penelitian ini bertujuan membangun sistem prediksi rating berbasis website secara real time untuk mengukur tingkat kepuasan pengguna terhadap layanan MLFF berdasarkan ulasan di media sosial, dengan menggunakan pendekatan klasifikasi multi-kelas di mana rating kepuasan 1–5 diperlakukan sebagai kelas diskrit. Metode yang digunakan adalah model Hybrid Random Forest–Support Vector Machine (RF–SVM). Algoritma Random Forest berfungsi untuk melakukan seleksi fitur dan mengatasi ketidakseimbangan data, sementara SVM digunakan untuk melakukan klasifikasi prediksi rating dengan memanfaatkan margin antar kelas. Data penelitian diperoleh melalui proses web scraping dari platform X dan YouTube, kemudian melalui tahap preprocessing yang meliputi case folding, cleaning, normalisasi, tokenisasi, dan stemming. Selanjutnya, ekstraksi fitur dilakukan dengan metode TF-IDF untuk menghasilkan representasi numerik dari ulasan teks. Model diuji menggunakan beberapa skenario pembagian data latih dan data uji, dengan evaluasi kinerja berdasarkan Akurasi, Presisi, Recall, F1-score, dan Confusion Matrix. Hasil terbaik diperoleh pada skema pembagian data 85–15, dengan akurasi sebesar 83%. Model menunjukkan kinerja tinggi pada rating ekstrem (1 dan 5), namun masih terdapat tantangan dalam membedakan ulasan dengan rating menengah (3 dan 4).
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,852
Tahun 2025 · Penulis: Hefrilia Nur Afifah
Pengembangan Aplikasi Penilaian Kualitas Perangkat Lunak Berbasis ISO 25010 Menggunakan Pendekatan Sentimen dan Klasifikasi
Peningkatan kualitas layanan digital di lingkungan pendidikan tinggi menjadi hal penting dalam mendukung proses akademik yang efektif. Universitas Jember sebagai institusi pendidikan menyediakan aplikasi Sistem Informasi Terintegrasi (SISTER) untuk menunjang a
- Cosine 0,843
Tahun 2026 · Penulis: Dewana Kretarta Lokeswara
Implementasi Model Vision Transformer dalam Klasifikasi Citra Batik Indonesia
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dengan beragam motif dari berbagai daerah. Keberagaman ini sering menyulitkan masyarakat dalam mengenali motif batik tanpa pengetahuan sebelumnya. Penelitian terdahulu menunjukkan bahwa C
- Cosine 0,843
Tahun 2025 · Penulis: Sofyatul Masykuroh
Prediksi Software Effort Estimation Menggunakan Metode Hybrid SVR PSO
Pada penelitian ini mengangkat topik SEE (Software Effort Estimation) atau estimasi upaya pengembangan perangkat lunak, yaitu salah satu hal krusial dalam mengembangkan proyek perangkat lunak. Estimasi yang tidak akurat dapat mengakibatkan kegagalan proyek. Be