relation: https://eprints.amikom.ac.id/id/eprint/31700/
title: ANALISIS SENTIMEN ULASAN APLIKASI DANA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES
creator: PAMUNGKAS, MUHAMAD YULI
subject: 000 Ilmu komputer, informasi dan pekerjaan umum
description: Penelitian ini bertujuan untuk menganalisis dan membandingkan hasil kerja  algoritma Support Vector Machine (SVM) dengan kernel Radial Basis Function  (RBF) serta Multinomial Naïve Bayes dalam mengklasifikasikan sentimen dari  5.200 ulasan aplikasi DANA yang berbahasa Indonesia. Ulasan-ulasan tersebut  dikumpulkan melalui teknik web scraping di platform Google Play Store. Penelitian  ini fokus pada dua jenis sentimen, yaitu sentimen positif dan negatif. Sebelum  dilakukan klasifikasi, terlebih dahulu dilakukan beberapa proses preprocessing  teks, seperti cleaning, case folding, menghilangkan stopwords, tokenizing, dan  stemming agar data teks menjadi lebih bersih dan standar. Data kemudian diubah  menjadi representasi TF-IDF sehingga teks bisa diubah ke dalam bentuk angka  yang menunjukkan tingkat kepentingan kata dalam dokumen. Karena data sentimen  tidak seimbang, maka digunakan metode SMOTE (Synthetic Minority OverSampling  Technique)  untuk  menyeimbangkan  distribusi  kelas  dan  mencegah  bias    dalam    prediksi sentimen. Proses pelatihan model juga dilakukan dengan  menambahkan teknik hyperparameter tuning menggunakan GridSearchCV pada  kedua algoritma untuk mencari parameter terbaik dan meningkatkan akurasi  prediksi. Evaluasi kinerja dilakukan dengan menggunakan metrik Accuracy,  Precision, Recall, dan F1-Score. Hasilnya menunjukkan bahwa SVM dengan kernel  RBF memberikan performa lebih baik dibandingkan Multinomial Naïve Bayes.  SVM RBF memiliki Accuracy sebesar 87,78%, Precision 88,18%, Recall 87,84%,  dan F1-Score 87,91%. Sementara itu, Multinomial Naïve Bayes memiliki Accuracy  85,54%, Precision 89,05%, Recall 85,43%, dan F1-Score 86,18%. Dengan  demikian, algoritma SVM kernel RBF lebih unggul dan disarankan untuk  digunakan dalam analisis sentimen pada bahasa Indonesia, terutama dalam aplikasi  keuangan digital seperti DANA karena memberikan hasil yang lebih akurat dan  seimbang untuk kedua kelas sentimen.
date: 2025-11-12
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/1/COVER.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/2/BAB%20I.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/3/BAB%20II.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/4/BAB%20III.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/5/BAB%20IV.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/6/BAB%20V.pdf
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/7/Daftar%20Pustaka.pdf
format: archive
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/8/Source%20Code%20-%2022.11.4924.zip
format: text
language: id
identifier: https://eprints.amikom.ac.id/id/eprint/31700/9/Publikasi.pdf
identifier:   PAMUNGKAS, MUHAMAD YULI  (2025) ANALISIS SENTIMEN ULASAN APLIKASI DANA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN NAÏVE BAYES.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.