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:	Users 30 not found.
Date Deposited:	18 Jun 2025 07:05
Last Modified:	18 Jun 2025 07:29
URI:	https://repository.unas.ac.id/id/eprint/13001

Actions (login required)

View Item