Aprilia Tri Widiyastuti, - and Irmma Dwijayanti, - (2025) Analisis Persepsi Masyarakat Tentang Penggunaan Motor Listrik pada Ojek Online Berdasarkan Komentar TikTok. Diploma thesis, Universitas Jenderal Achmad Yani Yogyakarta.
Judul_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (1MB)
Abstrak_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (231kB)
Bab 1_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (246kB)
Bab 2_212103005_Aprilia Tri Widiyastuti_SI.pdf
Restricted to Repository staff only
Download (439kB)
Bab 3_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (291kB)
Bab 4_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (1MB)
Bab 5_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (217kB)
Daftar Pustaka_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (197kB)
Lampiran_212103005_Aprilia Tri Widiyastuti_SI.pdf
Restricted to Repository staff only
Download (689kB)
Plagiarisme_212103005_Aprilia Tri Widiyastuti_SI.pdf
Download (6MB)
Abstract
Latar Belakang: Sepeda motor pribadi dan ojek online menjadi pilihan masyarakat untuk mendukung mobilitas mereka. Namun, penggunaan transportasi berbahan bakar minyak dapat menyumbang emisi karbon dan pencemaran. Untuk menguranginya, dikeluarkan Peraturan Presiden Nomor 55 Tahun 2019 dan Peraturan Menteri Perhubungan Nomor PM 65 Tahun 2020 tentang percepatan dan dukungan kendaraan listrik. Regulasi ini menjadi landasan bagi ojek online untuk beralih menggunakan motor listrik. Meskipun demikian, di wilayah Jakarta Pusat
dan sekitarnya masih terdapat beberapa tantangan infrastruktur yang dapat menghambat adopsi motor listrik. Oleh karena itu diperlukan penelitian yang lebih luas untuk melihat keragaman persepsi masyarakat, tidak hanya di wilayah Jakarta Pusat.
Tujuan: Penelitian ini bertujuan untuk menganalisis sentimen dan memetakan opini masyarakat terhadap penerimaan motor listri pada ojek online.
Metode Penelitian: Analisis sentimen dan pemodelan topik mengunakan metode SVM dan LDA. Metode ini terdiri beberapa tahapan dimulai dari scraping, preprocessing, labelling, TF-IDF, klasifikasi SVM, evaluasi model, menentukan jumlah topik, pemodelan topik, dan analisis hasil.
Hasil: Model SVM menghasilkan accuracy sebesar 91% dengan 3383 komentar netral, 2093 komentar positif, dan 2276 komentar negatif. Pemodelan topik menghasilkan 13 topik dengan coherence score sebesar 0.4853.
Kesimpulan: Topik tertinggi dan terendah setiap sentimen berada pada topik 3 tentang keamanan berkendara, serta topik 2 tentang apresiasi dan keluhan produk. Sentimen netral lebih dominan pada 5 topik tertinggi. Lima topik tertinggi terdiri dari topik 3, 5, 8, 9, dan 12.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA76 Computer software (Information System) |
| Divisions: | Faculty of Engineering, Science, Computer, and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Mrs Tiara DP |
| Date Deposited: | 14 Jul 2026 07:20 |
| Last Modified: | 14 Jul 2026 07:20 |
| URI: | https:///id/eprint/6580 |
