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

Wahyuni, Fatimah Rizka (2025) ANALISIS SENTIMEN TERHADAP ULASAN APLIKASI MELOLO DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (4MB)
	Text (BAB I) BAB I.pdf Download (206kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (651kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (306kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (636kB)
	Text (BAB V) BAB V.pdf Download (78kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (183kB)
	Archive (SOURCE CODE) Sourcecode - 18.11.2503.zip Restricted to Repository staff only Download (856kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Di era digital ini perkembangan dunia hiburan sangatlah pesat, khususnya pada drama pendek atau micro-short drama. Seiring dengan perkembangan konsumsi hiburan drama pendek, Melolo muncul sebagai platform drama yang dapat memenuhi kebutuhan konsumsi media. Ulasan pengguna di Google Play Store menyediakan informasi penting mengenai pendapat pengguna secara efisien mengenai aplikasi tersebut. Penelitian ini bertujuan untuk mengetahui sentimen pengguna aplikasi Melolo berdasarkan ulasan di Google Play Store.Metode yang digunakan adalah algoritma Naive Bayes. Data ulasan dikumpulkan menggunakan teknik scraping, kemudian dilakukan pelabelan data menjadi dua kelas yaitu positif dan negatif. Selanjutnya melakukan preprocessing untuk membersihkan data dan mengklasifikasi model menggunakan metode Naive Bayes. Untuk meningkatkan akurasi model Naive Bayes, metode Synthetic Minority Over-sampling Technique (SMOTE) digunakan untuk menyeimbangkan data pada model Naive Bayes. Hasil penelitian menunjukkan bahwa mayoritas ulasan pengguna mencerminkan sentimen positif terhadap kualitas, sistem monetisasi, dan kemudahan akses pada aplikasi Melolo. Namun, beberapa pengguna juga merasa terganggu dengan frekuensi kemunculan iklan, masalah episode drama, kinerja aplikasi yang lambat, bahasa terjemahan maupun dubbing. Model Naive Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 89%, presisi sebesar 91%, recall 89% dan f1-score 85%, namun model Naive Bayes masih bias terhadap kelas positif. Setelah penerapan teknik SMOTE nilai akurasi naik menjadi 92%, model ini juga meningkatkan presisi sebesar 94%, recall sebesar 92%, dan f1-score sebesar 93% dan secara signifikan membuat performa model menjadi seimbang dan lebih adil terhadap dua kelas khususnya pada kelas minoritas.

Actions (login required)

View Item