ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI WETV DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES

Prahasti, Ananda Tara (2024) ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI WETV DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (933kB)
	Text (BAB I) BAB I.pdf Download (178kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (657kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (146kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (803kB)
	Text (BAB V) BAB V.pdf Download (51kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (571kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3317.zip Restricted to Repository staff only Download (484kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (611kB)

Abstract

Aplikasi streaming video memungkinkan pengguna untuk menonton film dan acara televisi secara online melalui berbagai perangkat yang dapat diakses dengan mudah di mana saja dan kapan saja. Salah satu contoh aplikasi streaming video yang populer di Indonesia adalah WeTV yang menyediakan beragam konten video dari berbagai negara di Asia seperti drama, film, acara hiburan, dan animasi. Pada Google Play Store saat ini, aplikasi WeTV telah diunduh sebanyak lebih dari 100 juta kali dengan rating 3,8 dan ulasan 500 ribu lebih. Ulasan oleh pengguna terdiri dari berbagai macam opini yang sangat penting bagi perusahaan untuk terus meningkatkan kualitas layanan aplikasi. Analisis sentimen pada penelitian ini digunakan untuk mengetahui pendapat pengguna terkait aplikasi WeTV, apakah pengguna memiliki opini yang positif atau negatif. Metode yang digunakan adalah metode klasifikasi Naive Bayes. Data ulasan yang digunakan adalah sebanyak 2404 data yang terbagi menjadi 1646 kelas negatif dan 758 kelas positif. Hasil pengujian yang dilakukan dengan Naïve Bayes mendapatkan akurasi sebesar 83%, presisi 96%, recall 47%, dan f1-score 63%. Setelah menerapkan teknik SMOTE, didapatkan hasil akurasi 81%, presisi 71%, recall 68%, dan f1-score 70%. Meskipun nilai akurasi dan presisi turun, namun teknik SMOTE dapat meningkatkan nilai f1-score yang menyeimbangkan antara presisi dan recall, serta membantu model menangkap lebih banyak ulasan positif dengan akurat dengan meningkatnya nilai recall. Analisis sentimen dengan Naive Bayes menghasilkan nilai akurasi terbaik sebesar 83% tanpa SMOTE.

Actions (login required)

View Item