ANALISIS SENTIMEN PADA ULASAN APLIKASI M-PASPOR DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES CLASSIFIER (NBC)

Cahyani, Ica Lidya (2024) ANALISIS SENTIMEN PADA ULASAN APLIKASI M-PASPOR DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN NAÏVE BAYES CLASSIFIER (NBC). Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (00 Cover) 00 Cover.pdf - Accepted Version Download (208kB)
	Text (BAB I - III) BAB I - III.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) BAB IV.pdf - Accepted Version Restricted to Registered users only Download (967kB) | Request a copy
	Text (BAB V) BAB V.pdf - Accepted Version Restricted to Registered users only Download (380kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Accepted Version Download (402kB)
	Text (LAMPIRAN) LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (76kB) | Request a copy

Abstract

Di antara perkembangan digital yang terus berkembang di Indonesia adalah peluncuran aplikasi M-Paspor oleh Direktorat Jenderal Imigrasi Kementerian Hukum dan HAM RI, yang dimaksudkan untuk meningkatkan transparansi, akuntabilitas, dan kecepatan layanan paspor. M-Paspor telah diunduh lebih dari satu juta kali di Google Play Store, tetapi pengguna telah meninggalkan banyak ulasan, baik positif maupun negatif. Analisis ulasan pengguna dapat membantu pengembang aplikasi melakukan perbaikan. Tujuan penelitian ini adalah untuk menganalisis & membandingkan kinerja dua metode, Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM), ketika mereka membagi ulasan pengguna aplikasi M-Passport ke dalam sentimen positif atau negatif. Selama periode dari 1 Januari 2024 hingga 17 Juli 2024, data ulasan berjumlah 2800 diambil dari Google Play Store. Studi ini menggunakan rasio data latihan dan uji 70:30. Untuk menilai performa kedua metode, memetrik akurasi, presisi, recall, dan skor F1 digunakan. Hasil penelitian menunjukkan bahwa metode SVM memiliki akurasi 95%, presisi 97%, recall 53%, dan skor F1 55%, lebih tinggi daripada nilai NBC, yang memiliki akurasi 72%, presisi 56%, recall 73%, dan skor F1. Namun, masing-masing metode memiliki kelebihan dan kekurangan yang berbeda dalam hal efisiensi dan efektivitas. Oleh karena itu, penelitian ini memberikan saran tentang teknik analisis sentimen ulasan aplikasi yang lebih baik untuk meningkatkan kualitas layanan aplikasi M-Passpor.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Analisis Sentimen, Naive Bayes Classifier, Support Vector Machine, M-Paspor, Google Play Store, Akurasi, Presisi, Recall, F1-score
Subjects:	Computer Science Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Ica Lidya Cahyani
Date Deposited:	05 Sep 2024 02:10
Last Modified:	05 Sep 2024 02:10
URI:	https://repository.bakrie.ac.id/id/eprint/10212

Actions (login required)

View Item