PERBANDINGAN ANALISIS SENTIMEN REVIEW APLIKASI STREAMING FILM NETFLIX PADA GOOGLE PLAY STORE MENGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN K – NEAREST NEIGHBOR

Fauzan, Harits Ahmad (2025) PERBANDINGAN ANALISIS SENTIMEN REVIEW APLIKASI STREAMING FILM NETFLIX PADA GOOGLE PLAY STORE MENGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN K – NEAREST NEIGHBOR. Bachelor thesis, Universitas Nasional.

	Text cover.pdf Download (830kB)
	Text BAB 1.pdf Download (450kB)
	Text BAB 2.pdf Download (630kB)
	Text BAB 3.pdf Download (777kB)
	Text BAB 4.pdf Download (3MB)
	Text BAB 5.pdf Download (433kB)
	Text LAMPIRAN.pdf Download (464kB)

Abstract

Perkembangan teknologi informasi telah mendorong pertumbuhan layanan streaming film seperti Netflix yang menjadi pilihan utama masyarakat dalam menikmati hiburan secara online. Ulasan pengguna di Google Play Store menjadi sumber informasi yang berharga untuk mengevaluasi kepuasan dan pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Support Vector Machine (SVM) dan KNearest Neighbor (KNN) dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Netflix berbahasa Indonesia. Data penelitian berjumlah 5.000 ulasan yang diperoleh melalui teknik web scraping, kemudian melalui tahap preprocessing berupa data cleansing, case folding, normalisasi, penghapusan stopword, tokenizing, dan stemming. Pelabelan sentimen dilakukan dengan pendekatan Lexicon-Based menjadi tiga kelas (positif, netral, negatif). Selanjutnya, data dibagi menjadi training set dan testing set dengan rasio 80:20 serta direpresentasikan menggunakan TF-IDF. Evaluasi kinerja model dilakukan menggunakan confusion matrix dan metode k-fold cross-validation dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan distribusi sentimen terdiri dari 36,11% netral, 34,29% positif, dan 29,59% negatif. Algoritma SVM (linear) memperoleh rata-rata akurasi sebesar 90,87%, precision sebesar 91,08%, recall sebesar 90,82%, dan F1-score sebesar 90,93%, dengan performa yang relatif stabil pada setiap fold. Sementara itu, algoritma KNN (k=5) menghasilkan akurasi rata-rata sebesar 60,86%, precision 72,96%, recall 59,24%, dan F1-score 59,23%, dengan variasi performa antar fold yang lebih besar. Perbandingan ini menunjukkan bahwa SVM memiliki performa lebih unggul dan konsisten dalam mengklasifikasikan sentimen dibandingkan KNN, sehingga dapat menjadi metode yang lebih efektif untuk analisis sentimen ulasan aplikasi berbasis pengguna.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Delvy Aplirizani -
Date Deposited:	22 Sep 2025 06:58
Last Modified:	22 Sep 2025 06:58
URI:	http://repository.unas.ac.id/id/eprint/14173

Actions (login required)

View Item