ANALISIS SENTIMEN MASYARAKAT TERHADAP APLIKASI LAYANAN PUBLIK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Ngantung, Kezia Feibriny Aurora and Angdresey, Apriandy and Sanger, Junaidy Budi (2021) ANALISIS SENTIMEN MASYARAKAT TERHADAP APLIKASI LAYANAN PUBLIK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_KeziaAurora.pdf Download (968kB)
	PDF ABSTRAK_KeziaAurora.pdf Download (13kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_KeziaAurora.pdf Download (111kB)
	PDF BAB_I_KeziaAurora.pdf Download (74kB)
	PDF BAB_II-LAMPIRAN_KeziaAurora.pdf Restricted to Repository staff only Download (3MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Analisis sentimen merupakan proses untuk memahami, mengekstrak dan mengolah suatu data teks secara otomatis untuk mendapatkan hasil informasi sentimen dari teks tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap aplikasi layanan publik. Ulasan pengguna di Play Store dapat menjadi sumber informasi penting untuk menilai kepuasan dan persepsi pengguna terhadap kualitas dan kinerja aplikasi layanan publik yang ada. Studi ini mengklasifikasikan ulasan yang diambil dari Play Store ke dalam dua sentimen yaitu positif dan negatif.
Penelitian dimulai dengan pengumpulan data ulasan dari Google Play menggunakan aplikasi Octoparse 8. Aplikasi layanan publik yang dipilih sebagai studi kasus adalah aplikasi IKD, M-Pajak, M-Paspor, Mobile JKN dan SIGNAL. Jumlah ulasan yang diperoleh untuk semua aplikasi adalah 48.995 baris data yang akan melalui pra-pemrosesan sebelum siap untuk diproses. Algoritma Support Vector Machine dipilih untuk digunakan dalam studi ini dengan mempertimbangkan performanya yang baik dalam mengklasifikasikan teks serta fleksibilitasnya dalam menangani teks dengan fitur kompleks. Evaluasi hasil klasifikasi model yang ada didapat dengan metrik akurasi, presisi, recall, dan F1-score.
Hasil penelitian menunjukkan SVM mampu untuk mengklasifikasikan sentimen ulasan dengan akurasi yang cukup tinggi. Nilai akurasi terbaik yang diperoleh dalam aplikasi adalah dataset aplikasi M-Pajak dengan nilai 93% dan nilai akurasi terendah adalah dataset aplikasi IKD yaitu 80,6%. Semua dataset mencapai akurasi tertinggi dengan menggunakan 20% data uji dan 80% data latih. Aplikasi mampu mengklasifikasikan satu dataset ulasan aplikasi atau beberapa dataset sekaligus. Aplikasi yang dibangun juga mampu untuk melakukan prediksi teks baru berdasar pelatihan dataset yang dipilih oleh pengguna.

Kata Kunci: Analisis Sentimen, SVM, Ulasan, Play Store, Aplikasi Layanan Publik

Item Type:

Thesis (Skripsi)

Creators: