ANALISIS SENTIMEN ULASAN APLIKASI JOBSTREET PADA GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINES (SVM)

Putra, Chelsea Hanan Eksa (2025) ANALISIS SENTIMEN ULASAN APLIKASI JOBSTREET PADA GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINES (SVM). S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (607kB)
[img] Text (BAB I)
BAB I.pdf
Download (204kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (643kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (494kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (171kB)
[img] Text (BAB V)
BAB V.pdf
Download (42kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (204kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.11.4307.zip
Restricted to Repository staff only
Download (693kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (4MB)

Abstract

Aplikasi Jobstreet merupakan salah satu platform pencarian kerja terbesar di Asia Tenggara, hingga tahun 2024, Jobstreet memiliki lebih dari 11 juta pengguna aktif di Indonesia. Sebagai salah satu aplikasi yang sangat populer di kalangan pencari kerja, Jobstreet telah mengumpulkan lebih dari 312 ribu ulasan dari penggunanya, dengan rating rata-rata 4,5/5. Banyaknya jumlah ulasan dari pengguna aplikasi Jobstreet membuat proses analisis ulasan secara manual akan memakan waktu dan tidak efisien. Oleh karena itu, tujuan pada penelitian ini adalah untuk mengetahui kinerja dan tingkat akurasi algoritma Support Vector Machine (SVM) dalam menganalisis sentimen ulasan aplikasi Jobstreet. Tahapan penelitian ini meliputi pengumpulan data ulasan pada Google Collab menggunakan library google-play-scraper, preprocessing data, pengklasifikasian sentimen ke dalam positif dan negatif (labelling), Term Frequency-Inverse Document Frequency (TF-IDF), dan menggunakan algoritma SVM untuk mengklasifikasikan sentimen ulasan menjadi positif dan negatif. Data yang digunakan pada penelitian ini adalah data ulasan tahun 2022 – 2025 sejumlah 15000 ulasan. Hasil analisis menunjukkan 6977 merupakan sentimen positif dan 3027 merupakan sentimen negatif. Hasil pada penelitian ini menunjukkan bahwa algoritma SVM memiliki kinerja yang baik dengan nilai akurasi 87%, precision 88%, recall 88%, dan f1-score 88%.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Mustopa, Ali
Uncontrolled Keywords: Support Vector Machine, Jobstreet, Analisis Sentimen
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 05 May 2025 02:13
Last Modified: 05 May 2025 06:26
URI: http://eprints.amikom.ac.id/id/eprint/29832

Actions (login required)

View Item View Item