ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI BELAJAR ONLINE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Handayani, Adelia Putri (2025) ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI BELAJAR ONLINE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (330kB)
	Text BAB II.pdf Download (510kB)
	Text BAB III.pdf Download (173kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (227kB)
	Text LAMPIRAN.pdf Download (470kB)

Abstract

Aplikasi belajar online di Indonesia semakin populer seiring dengan meningkatnya
penetrasi internet dan kebutuhan akan metode pembelajaran jarak jauh, terutama
setelah pandemi COVID-19 yang mempercepat adopsi pembelajaran daring
sebagai alternatif utama pendidikan formal. Banyaknya pilihan aplikasi yang
tersedia membuat pengguna kesulitan dan semakin selektif dalam memilih aplikasi
yang paling sesuai untuk mendukung tujuan pembelajaran. Pemilihan aplikasi yang
tepat sangat penting karena berdampak langsung pada kualitas pembelajaran.
Tujuan penelitian ini adalah memberikan rekomendasi aplikasi pembelajaran online
terbaik berdasarkan pengalaman pengguna pada kolom ulasan aplikasi tersebut
serta mengetahui tingkat akurasi algoritma Support Vector Machine (SVM) dalam
menganalisis sentimen. Data yang digunakan berasal dari ulasan pengguna aplikasi
Google Classroom, Ruangguru, dan Brainly. Analisis ini membantu pengguna
memilih aplikasi yang tepat berdasarkan ulasan, bukan sekadar jumlah pengguna
dan rating. Model SVM diterapkan untuk mengklasifikasikan ulasan menjadi
positif dan negatif. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi
87,11%. Pada kelas negatif, precision 0.89, recall 0.95, dan f1-score 0.92
menunjukkan performa sangat baik. Namun, pada kelas positif, precision 0.78,
recall 0.62, dan f1-score 0.69 menunjukkan model kurang optimal dalam
mendeteksi ulasan positif. Temuan ini diharapkan dapat membantu pengguna
dalam membuat keputusan yang lebih baik dan mendorong pengembang aplikasi
untuk meningkatkan fitur serta layanan berdasarkan ulasan 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:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 02:50
Last Modified:	12 Sep 2025 02:50
URI:	http://repository.unas.ac.id/id/eprint/14073

Actions (login required)

View Item