ANALISIS SENTIMEN KUALITAS APLIKASI DISCORD MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE

Fareza, Ichsan Dicki (2025) ANALISIS SENTIMEN KUALITAS APLIKASI DISCORD MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (373kB)
	Text BAB II.pdf Download (475kB)
	Text BAB III.pdf Download (200kB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (59kB)
	Text LAMPIRAN.pdf Download (824kB)

Abstract

Discord merupakan salah satu aplikasi komunikasi berbasis suara, video, dan teks yang banyak digunakan oleh berbagai komunitas. Namun, seiring dengan meningkatnya jumlah pengguna, kualitas layanan aplikasi ini menjadi aspek penting yang perlu dianalisis. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna Discord yang diambil dari Google Play Store, dengan menerapkan algoritma Naïve Bayes dan Support Vector Machine (SVM). Data yang digunakan berjumlah 5000 ulasan berbahasa Indonesia yang dikumpulkan melalui teknik web scraping. Proses analisis sentimen melibatkan tahapan preprocessing data, seperti pembersihan teks, normalisasi, tokenisasi, dan stemming. Label sentimen ditentukan menggunakan TextBlob dalam tiga kategori positif, netral, dan negatif. Hasil evaluasi menunjukkan bahwa algoritma SVM memiliki akurasi yang lebih tinggi dibandingkan Naïve Bayes, dengan nilai akurasi masing-masing sebesar 88% dan 78%. Dengan demikian, algoritma SVM lebih efektif dalam mengklasifikasikan sentimen pengguna terhadap aplikasi Discord. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pengembang Discord dalam meningkatkan kualitas layanan aplikasi mereka.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	18 Jun 2025 07:05
Last Modified:	18 Jun 2025 07:29
URI:	http://repository.unas.ac.id/id/eprint/13001

Actions (login required)

View Item