KLASIFIKASI ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI “THREADS” DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DENGAN SMOTE

Tiantara, Sendi (2024) KLASIFIKASI ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI “THREADS” DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DENGAN SMOTE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (215kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (601kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (577kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (129kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (126kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3473.zip Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (803kB)

Abstract

Threads, sebuah aplikasi jejaring sosial yang mendapatkan sorotan pada hari peluncurannya pada tanggal 5 juni 2023 oleh META yang dikembangkan untuk pengguna instagram. karena sudah diunduh lebih dari 100 juta kali dengan ulasan sebanyak 320 ribu pada Google Play Store. Penelitian ini bertujuan untuk mengklasifikasikan analisis sentimen pada ulasan pengguna aplikasi Threads di Google Play Store menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM) dengan teknik oversampling SMOTE. Data ulasan dikumpulkan menggunakan Octoparse dan terdiri dari 6.000 ulasan, dengan 3.765 ulasan dikategorikan sebagai sentimen positif dan 2.235 sebagai sentimen negatif. Ulasan dengan rating 5 dan 4 diklasifikasikan sebagai positif, sementara rating 1 dan 2 sebagai negatif. Ulasan dengan rating 3, yang sering kali bersifat netral atau campuran, dimasukkan ke dalam kategori yang paling sesuai berdasarkan konteks ulasan, yaitu negatif. Tahap preprocessing mencakup cleaning, case folding, stopword removal, dan TF-IDF. Hasil penelitian menunjukkan bahwa penerapan algoritma Naïve Bayes dan SVM memberikan hasil yang berbeda dalam klasifikasi ulasan. Naïve Bayes menunjukkan akurasi sebesar 79.3%, precision 80.2%, recall 59.5%, dan F1-score 34.1%. Setelah penerapan SMOTE, akurasi menurun menjadi 78.0%, precision 77.9%, recall meningkat menjadi 79.1%, dan F1-score meningkat signifikan menjadi 78.4%. Sementara itu, SVM dengan kernel RBF menunjukkan kinerja yang lebih baik dengan akurasi 78.9%, precision 77.4%, recall 61.7%, dan F1-score 68.6%. Setelah penerapan SMOTE, akurasi meningkat menjadi 81.3%, precision 83.9%, recall 78.2%, dan F1-score 80.9%. hasil ini memberikan Gambaran komprehensif terkait respon pengguna terhadap aplikasi Threads, dapat menjadi panduan bagi pengembang untuk meningkatkan kualitas aplikasi

Actions (login required)

View Item