DETAIL KOLEKSI

Analisis sentimen ulasan di google play mengenai aplikasi layanan streaming vidio dengan menggunakan metode naive bayes classifier dan ekstraksi fitur tf-idf

Oleh : Anne Mahadewi

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Agung Sediyono

Pembimbing 2 : Binti Solehah

Subyek : Sentiment analysis

Kata Kunci : sentiment analysis, video apps, naive bayes sentiment analysis, vidio apps, naive bayes, TF-IDF.

Status Posting : Published

Status : Tidak Lengkap

File Repositori
No. Nama File Hal. Link
1. 2023_TA_TIF_064001900009_Halaman-Judul.pdf 11
2. 2023_TA_TIF_064001900009_Lembar-Pengesahan.pdf
3. 2023_TA_TIF_064001900009_Bab-1_Pendahuluan.pdf 3
4. 2023_TA_TIF_064001900009_Bab-2_Tinjauan-Pustaka.pdf
5. 2023_TA_TIF_064001900009_Bab-3_Metodologi-Penelitian.pdf
6. 2023_TA_TIF_064001900009_Bab-4_Analisa-dan-Pembahasan-(2).pdf 8
7. 2023_TA_TIF_064001900009_Bab-5_Kesimpulan.pdf
8. 2023_TA_TIF_064001900009_Daftar-Pustaka.pdf 3

A Aplikasi Vidio merupakan aplikasi yang meyediakan layanan streaming video dari Indonesia yang sudah diunduh sebanyak 50 juta kali pada Google Play Store hingga bulan Juli 2023, namun rating yang dimiliki hanya sebesar 3,7. Rating yang diberikan diikuti dengan adanya ulasan. Karena banyaknya ulasan tidak terstruktur, maka diperlukan perangkat analitik untuk merangkum ulasan tersebut. Oleh sebab itu, pada penelitian ini dilakukan analisis sentimen untuk mengetahui sentimen apa yang mendominasi pemikiran para pengguna sehingga dapat membantu pengguna baru dan juga pengembang dapat memahami sentimen apa yang mendominasi pemikiran pengguna dan terus mengembangkan aplikasinya. Pada penelitian ini dilakukan analisis sentimen dengan menggunakan metode naive bayes dengan ektraksi fitur TF-IDF dengan menggunakan dataset yang diperoleh dari ulasan pengguna Vidio dalam Goole Play Store sebanyak 64.654 data yang terdiri dari 25501 sentiment negative, 15971 sentiment neutral, dan 23182 sentiment positive. Dari proses klasifikasi pada model yang sudah diuji menggunakan multinomial naive bayes didapati hasil accuracy 68%, precision 77%, recall 85%, f1-score 74%.

V Vidio application is an application that provides video streaming services from Indonesia that has been downloaded 50 million times on the Google Play Store until July 2023, but the rating is only 3.7. The rating given is followed by reviews. Due to the large number of unstructured reviews, an analytic tool is needed to summarize these reviews. Therefore, in this research, sentiment analysis is carried out to find out what sentiments dominate the thoughts of users so that it can help new users and also developers can understand what sentiments dominate the thoughts of users and continue to develop the application. In this research, sentiment analysis is carried out using the naive bayes method with TF-IDF feature extraction using a dataset obtained from Vidio user reviews in the Goole Play Store as much as 64.654 data consisting of 25501 negative sentiments, 15971 neutral sentiments, and 23182 positive sentiments. From the classification process on the model that has been tested using multinomial naive bayes, the accuracy results are 68%, precision 77%, recall 85%, f1-score 74%.Keywords : Sentiment Analysis, Video Apps, Naive Bayes Sentiment Analysis, Vidio Apps, Naive Bayes, TF-IDF. Analisis Sentimen Ulasan Di Google Play Mengenai Aplikasi Layanan Streaming Vidio DenganMenggunakan Metode Naive Bayes Classifier Dan Ekstraksi Fitur TfAnne Mahadewi,

Koleksi Terkait (Kata Kunci = 26 Judul)

Analisis sentimen tentang vaksin sinovac di twitter menggunakan naïve bayes dan k-nearest neighbors 5.0
FTI - Usakti
Analisis sentimen dan pemodelan topik terhadap berita kandidat dalam pemilihan umum 2024 di media sosial twitter menggunakan metode latent dirichlet allocation(lda)
FTI - Usakti
Pengaruh undersampling dan oversampling dalam perbandingan analisis sentimen ulasan pengunjung objek wisata Waterbom Bali pada media sosial tripadvisor menggunakan klasifikasi random forest dan Naïve Bayes
FTI - Usakti
Analisis sentimen review costumer terhadap layanan ekspedisi J& T Express dan JNE menggunakan metode naive bayes dan support vector machine
FTI - Usakti
Analisis sentimen aplikasi pintarnya di Google Play Store menggunakan metode CNN dan ekstraksi fitur BERT 5.0
FTI - Usakti
Perbandingan metode ekstraksi fitur menggunakan tf-idf dan word embedding llama3 dengan classifier svm untuk analisis sentimen aplikasi mytelkomsel di google play store
FTI - Usakti
Analisis sentimen pemindahan ibu kota negara indonesia menggunakan metode support vector machine pada media sosial x
FTI - Usakti
Analisis sentimen virtual youtuber pada sosial media twitter menggunakan metode long short-term memory
FTI - Usakti
Prediksi kelulusan tepat waktu mahasiswa menggunakan algoritma naive bayes classifier (NBC) di jurusan teknik informatika Universitas Trisakti
FTI - Usakti
Sentiment analysis dari twitter terhadap organisasi menggunakan R dengan Metode Support Vector Machine dan Swot Analysis 5.0
FTI - Usakti
Prediksi masa studi mahasiswa menurut klasifikasi konsentrasi yang dipilih menggunakan algorithma Naive Bayes Classifier (NBC) di Jurusan Teknik Informatika Universitas Trisakti
FTI - Usakti
analisis sentimen twitter mengenai aplikasi pedulil indungi menggunakan Metode Valence Aware Dictionary For Sentiment Reasoning
FTI - Usakti
Analisis sentimen mengenai undang - undang tpks pada media sosial twitter menggunakan metode support vector machine dan k-nearest neighbor
FTI - Usakti
Analisis sentimen dan topic modeling mengenai uu ite pada media sosial twitter bahasa Indonesia
FTI - Usakti
Pengembangan model sentimen analisis aplikasi bibit pada google playstore menggunakan metode naïve bayes dengan seleksi fitur chi square
FTI - Usakti
Perbandingan kinerja tf-idf dan word2vec dengan menggunakan bidirectional long short term memory (bilstm) pada sentimen analisis game pubg
FTI - Usakti
Analisis sentimen terhadap film horor indonesia menggunakan naive bayes classifier pada media sosial twitter Bahasa Indonesia
FTI - Usakti
Perbandingan kinerja metode analisis sentimen dengan bidirectional long short-term memory (bilstm) menggunakan ekstraksi fitur bag of word dan tf-idf mengenai aplikasi peduli lindungi di twitter
FTI - Usakti
Analisis sentimen dan pemodelan topik ulasan pengunjung objek wisata pulau bali pada situs tripadvisor menggunakan metode lexicon-based dan latent dirichlet allocation (lda)
FTI - Usakti
Analisis sentimen twitter mengenai aplikasi pedulilindungi menggunakan metode valence aware dictionary for sentiment reasoning
FTI - Usakti
Analisis sentimen subsidi Bahan Bakar Minyak (BBM) di twitter menggunakan support vector machine
FTI - Usakti
Perbandingan kinerja bidirectional long short term memory menggunakan word2vec dan fastext pada analisa sentimen aplikasi mypertamina
FTI - Usakti
Analisis sentimen kandidat calon Presiden Indonesia 2024 pada platform media sosialYouTube menggunakan metode support vector machine
FTI - Usakti
Analisis sentimen kepuasan pelanggan terhadaplayanan gardu tol otomatis (gto) ruas jakartacikampekdengan data twitter menggunakan metode naïve bayes classifier
FTI - Usakti
Analisis sentimen dari twitter terhadap layanan e-sim oleh smartfren dengan metode naïve bayes classifier
FTI - Usakti
Perbandingan kinerja analisis sentimen twitter dengan fasttext svm dan tf-idf svm studi kasus pada motor listrik
FTI - Usakti
Bagaimana Anda menilai Koleksi ini ?