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.

	Text COVER.pdf Download (708kB)
	Text BAB I.pdf Download (317kB)
	Text BAB II.pdf Download (331kB)
	Text BAB III.pdf Download (343kB)
	Text BAB IV.pdf Download (964kB)
	Text BAB V.pdf Download (187kB)
	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:	https://repository.unas.ac.id/id/eprint/13792

Actions (login required)

View Item