ANALISIS SENTIMEN PENGGUNA GOOGLE PLAY APLIKASI TIKTOK MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM)

Fajari, Ikhwal Agil (2024) ANALISIS SENTIMEN PENGGUNA GOOGLE PLAY APLIKASI TIKTOK MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM). Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (309kB)
	Text BAB 2.pdf Download (781kB)
	Text BAB 3.pdf Download (441kB)
	Text BAB 4.pdf Download (534kB)
	Text BAB 5.pdf Download (292kB)
	Text LAMPIRAN.pdf Download (590kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi
TikTok yang terdapat di Google Play menggunakan metode K-Nearest Neighbor
(KNN) dan Support Vector Machine (SVM). Data ulasan pengguna dikumpulka n
melalui teknik web scraping dan kemudian diproses untuk dianalisis lebih lanjut.
Sentimen pengguna diklasifikasikan ke dalam tiga kategori: positif, negatif, dan
netral. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki kinerja yang
lebih baik dengan akurasi 80,23%, precision 77%, recall 82%, dan F1-score 79%
dibandingkan dengan KNN yang memiliki akurasi 80,23%, precision 72,34%, recall
80,35%, dan F1-score 74%. SVM unggul dalam mengidentifikasi sentimen negatif
dan netral, sedangkan KNN menunjukkan kinerja yang lebih baik dalam
mengklasifikasikan sentimen netral. Temuan ini menunjukkan bahwa SVM lebih
efektif dalam analisis sentimen pengguna TikTok di Google Play, meskipun KNN
tetap memberikan hasil yang kompetitif dalam kategori tertentu. Penelitian ini
memberikan kontribusi signifikan dalam pengembangan model analisis sentime n
yang lebih akurat dan dapat diterapkan dalam berbagai konteks media sosial.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HJ Public Finance
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	27 Sep 2024 03:47
Last Modified:	27 Sep 2024 03:47
URI:	https://repository.unas.ac.id/id/eprint/12140

Actions (login required)

View Item