EPrints Universitas Amikom YogyakartaPERBANDINGAN ALGORITMA DALAM ANALISIS SENTIMEN PADA ULASAN APLIKASI DUKCAPIL DI PLAY STORE MENGGUNAKAN METODE ENSEMBLE LEARNINGPutuPutrayasaauthorPenelitian ini bertujuan untuk menganalisis perbandingan kinerja antara model individual dan model ensemble dalam analisis sentimen ulasan aplikasi DUKCAPIL yang diperoleh dari Google Play Store. Selain itu, penelitian ini juga mengevaluasi pengaruh teknik SMOTE dalam mengatasi masalah ketidakseimbangan data terhadap kinerja model. Model ensemble yang digunakan meliputi Extra Trees, Random Forest, dan XGBoost, yang dibandingkan dengan model individual seperti Logistic Regression dan Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa model ensemble memiliki kinerja yang lebih baik dalam hal akurasi, presisi, recall, dan F1-Score dibandingkan model individual. Penggunaan teknik SMOTE secara signifikan meningkatkan performa model dengan memperbaiki distribusi data ulasan yang tidak seimbang. Model Extra Trees dengan SMOTE memberikan hasil terbaik dengan akurasi mencapai 95,85%, presisi 95,93%, recall 95,85%, dan F1Score 95,85%. Penelitian ini menyimpulkan bahwa kombinasi model ensemble dan teknik SMOTE efektif dalam meningkatkan kinerja analisis sentimen pada data ulasan yang tidak seimbang.005 Pemrograman komputer, program dan data2025-06-02Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.