ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES, SUPPORT VECTOR MACHINE, DAN RANDOM FOREST UNTUK SENTIMEN ULASAN APLIKASI 'DANA' DI PLAY STORE

Mario, Yanu (2025) ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES, SUPPORT VECTOR MACHINE, DAN RANDOM FOREST UNTUK SENTIMEN ULASAN APLIKASI 'DANA' DI PLAY STORE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (236kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (547kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (166kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (703kB)
	Text (BAB V) BAB V.pdf Download (94kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (520kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (4MB)

Abstract

Pesatnya perkembangan teknologi digital telah membawa perubahan signifikan dalam kehidupan masyarakat, salah satunya melalui kehadiran aplikasi dompet digital seperti DANA. Sebagai salah satu aplikasi finansial yang populer di Indonesia, DANA digunakan untuk berbagai transaksi seperti pembayaran, transfer, dan pembelian online. Ulasan pengguna di platform Google Play Store menjadi sumber informasi yang penting untuk menilai kepuasan atau ketidakpuasan pengguna terhadap layanan yang diberikan. Namun, banyaknya data dalam bentuk teks yang bersifat tidak terstruktur menyulitkan proses analisis manual oleh pengembang. Oleh karena itu, diperlukan metode analisis sentimen berbasis algoritma Machine Learning yang mampu mengklasifikasikan ulasan pengguna secara otomatis dan akurat. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma Machine Learning, yaitu Naive Bayes, Support Vector Machine (SVM), dan Random Forest dalam melakukan klasifikasi sentimen terhadap ulasan aplikasi DANA. Data yang digunakan dalam penelitian ini diperoleh melalui proses web scraping terhadap 2.134 ulasan pengguna dari Google Play Store. Tahapan yang dilakukan meliputi preprocessing data (casefolding, cleansing, tokenizing, Stopword Removal, stemming), pelabelan sentimen (positif dan negatif), ekstraksi fitur menggunakan metode TF-IDF, serta penyeimbangan data menggunakan teknik SMOTE. Dataset kemudian dibagi menjadi data latih dan data uji dengan rasio 80:20 sebelum dilakukan pelatihan model. Kinerja model dievaluasi menggunakan Confusion Matrix dan metrik evaluasi seperti akurasi, presisi, recall, dan F1-Score. Hasil dari penelitian menunjukkan bahwa algoritma Naïve Bayes memberikan performa terbaik dengan nilai akurasi sebesar 88%. Sementara itu, Random Forest menempati posisi kedua dengan akurasi 86%, dan SVM di posisi terakhir dengan akurasi 84%. Penelitian ini memberikan kontribusi praktis bagi pengembang aplikasi dalam memahami lebih dalam pengalaman dan persepsi pengguna, sehingga dapat digunakan sebagai dasar dalam pengembangan fitur dan peningkatan layanan. Selain itu, hasil penelitian ini juga memberikan referensi bagi peneliti dan akademisi dalam menentukan algoritma yang paling efektif untuk tugas analisis sentimen, khususnya dalam konteks ulasan aplikasi berbasis bahasa Indonesia.

Actions (login required)

View Item