PERBANDINGAN ALGORITMA NAÏVE BAYES DAN GRADIENT BOOSTING PADA ANALISIS SENTIMEN APLIKASI MOODLE

Hariz, Irsyad Humam (2024) PERBANDINGAN ALGORITMA NAÏVE BAYES DAN GRADIENT BOOSTING PADA ANALISIS SENTIMEN APLIKASI MOODLE. Bachelor thesis, Universitas Nasional.

[img] Text
COVER.pdf

Download (1MB)
[img] Text
BAB 1.pdf

Download (256kB)
[img] Text
BAB 2.pdf

Download (327kB)
[img] Text
BAB 3.pdf

Download (317kB)
[img] Text
BAB 4.pdf

Download (676kB)
[img] Text
BAB 5.pdf

Download (255kB)
[img] Text
LAMPIRAN.pdf

Download (698kB)

Abstract

Aplikasi e-learning yang ada di Google Play Store mendapatkan jumlah unduhan pemberian bintang yang relatif sama, ini menimbulkan pertanyaan mengenai relevansi dari nilai bintang tersebut. Moodle merupakan aplikasi e-learning yang mempunyai nilai bintang 4,4 dari 5 bintang dengan 153 ribu ulasan. Suatu aplikasi tentunya mempunyai kekurangan serta kelebihan tersendiri yang mengakibatkan responsi dari pengguna yang kemudian akan diekspresikan ke kolam ulasan. Penelitian ini menganalisis ulasan yang terdapat pada aplikasi Moodle menggunakan algoritma Naïve Bayes serta Gradient Boosting. Penelitian ini menghasilkan sebanyak 1592 data ulasan diambil dari aplikasi Moodle serta kemudian dipreproses menjadi 1346 data. Ulasan-ulasan tersebut secara otomatis diberikan label sentimen netral, negatif, maupun positif memakai library TextBlob setelah diterjemahkan ke dalam Bahasa Inggris. Dari total data, terdapat 565 ulasan positif, 375 ulasan negatif, serta 406 ulasan netral. Algoritma Multinomial Naïve Bayes serta Gradient Boosting akan diterapkan untuk mengklasifikasikan sentimen ulasan. Perolehan studi mengindikasikan algoritma Multinomial Naïve Bayes menggapai akurasi 62,6%, sementara algortima Gradient Boosting mencapai akurasi sebesar 85,2%. Berdasarkan penelitian, algoritma Gradient Boosting lebih unggul dalam mendeteksi sentimen netral dibandingkan dengan Multinomial Naïve Bayes. Confusion Matrix mengindikasikan bahwasanya algortima Gradient Boosting dapat mendeteksi 79 nilai dari 80 nilai netral, sementara itu Multinomial Naïve Bayes hanya mendeteksi 13 dari 80 nilai netral.Aplikasi e-learning yang ada di Google Play Store mendapatkan jumlah unduhan pemberian bintang yang relatif sama, ini menimbulkan pertanyaan mengenai relevansi dari nilai bintang tersebut. Moodle merupakan aplikasi e-learning yang mempunyai nilai bintang 4,4 dari 5 bintang dengan 153 ribu ulasan. Suatu aplikasi tentunya mempunyai kekurangan serta kelebihan tersendiri yang mengakibatkan responsi dari pengguna yang kemudian akan diekspresikan ke kolam ulasan. Penelitian ini menganalisis ulasan yang terdapat pada aplikasi Moodle menggunakan algoritma Naïve Bayes serta Gradient Boosting. Penelitian ini menghasilkan sebanyak 1592 data ulasan diambil dari aplikasi Moodle serta kemudian dipreproses menjadi 1346 data. Ulasan-ulasan tersebut secara otomatis diberikan label sentimen netral, negatif, maupun positif memakai library TextBlob setelah diterjemahkan ke dalam Bahasa Inggris. Dari total data, terdapat 565 ulasan positif, 375 ulasan negatif, serta 406 ulasan netral. Algoritma Multinomial Naïve Bayes serta Gradient Boosting akan diterapkan untuk mengklasifikasikan sentimen ulasan. Perolehan studi mengindikasikan algoritma Multinomial Naïve Bayes menggapai akurasi 62,6%, sementara algortima Gradient Boosting mencapai akurasi sebesar 85,2%. Berdasarkan penelitian, algoritma Gradient Boosting lebih unggul dalam mendeteksi sentimen netral dibandingkan dengan Multinomial Naïve Bayes. Confusion Matrix mengindikasikan bahwasanya algortima Gradient Boosting dapat mendeteksi 79 nilai dari 80 nilai netral, sementara itu Multinomial Naïve Bayes hanya mendeteksi 13 dari 80 nilai netral.

Item Type: Thesis (Bachelor)
Subjects: H Social Sciences > HA Statistics
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions: Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User: Miss Rahma Rahmawati
Date Deposited: 03 Sep 2024 03:30
Last Modified: 12 Sep 2024 02:46
URI: http://repository.unas.ac.id/id/eprint/11596

Actions (login required)

View Item View Item