KOMPARASI NAIVE BAYES, SVM DAN RANDOM FOREST DALAM ANALISIS SENTIMEN APLIKASI SHOPEE DI GOOGLE PLAY STORE

Anggraini, Putri (2025) KOMPARASI NAIVE BAYES, SVM DAN RANDOM FOREST DALAM ANALISIS SENTIMEN APLIKASI SHOPEE DI GOOGLE PLAY STORE. Bachelor thesis, Universitas Nasional.

[img] Text
COVER.pdf
Download (708kB)
[img] Text
BAB I.pdf
Download (317kB)
[img] Text
BAB II.pdf
Download (331kB)
[img] Text
BAB III.pdf
Download (343kB)
[img] Text
BAB IV.pdf
Download (964kB)
[img] Text
BAB V.pdf
Download (187kB)
[img] Text
LAMPIRAN.pdf
Download (549kB)

Abstract

Penelitian ini membandingkan performa tiga algoritma machine learning—Naïve Bayes, Support Vector Machine (SVM), dan Random Forest—dalam menganalisis sentimen ulasan pengguna aplikasi Shopee di Google Play Store. Ulasan pengguna yang berisi opini positif, negatif, dan netral dapat memberikan wawasan berharga bagi pengembang dalam meningkatkan layanan aplikasi. Evaluasi dilakukan menggunakan berbagai skema pembagian data (90:10 hingga 10:90) untuk mengukur akurasi masing-masing model. Hasil penelitian menunjukkan bahwa Naïve Bayes mencapai akurasi tertinggi sebesar 77,13% pada skema 90:10, sedangkan SVM dan Random Forest memiliki akurasi terbaik masing-masing sebesar 86,90% dan 87,11% pada skema 80:20. Performa model divisualisasikan menggunakan confusion matrix, wordcloud, dan line chart untuk menganalisis pola sentimen lebih lanjut. Temuan ini dapat menjadi referensi dalam memilih algoritma optimal untuk analisis sentimen di platform e-commerce, membantu perusahaan memahami kepuasan pengguna, serta memberikan dasar bagi pengambilan keputusan guna meningkatkan kualitas layanan dan pengalaman berbelanja online.

Item Type: Thesis (Bachelor)
Subjects: H Social Sciences > HA Statistics
L Education > L Education (General)
Divisions: Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User: Miss Yulia Zahra Yamini
Date Deposited: 18 Jul 2025 03:11
Last Modified: 18 Jul 2025 03:23
URI: http://repository.unas.ac.id/id/eprint/13792

Actions (login required)

View Item View Item
Unas Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.