ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI “iJAKARTA” PADA PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Putro, Galleh Noer Setyo (2026) ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI “iJAKARTA” PADA PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE. Diploma thesis, Universitas Nasional.

	Text cover.pdf Download (994kB)
	Text BAB 1.pdf Download (357kB)
	Text BAB 2.pdf Download (593kB)
	Text BAB 3.pdf Download (4MB)
	Text BAB 4.pdf Download (6MB)
	Text BAB 5.pdf Download (330kB)
	Text Lampiran .pdf Download (391kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan pengguna aplikasi
iJakarta yang tersedia di Google Play Store menggunakan dua algoritma
pembelajaran mesin yang populer, yaitu Naïve Bayes dan Support Vector Machine
(SVM). Ulasan yang diperoleh melalui teknik web scraping diolah dengan metode
pra-pemrosesan yang meliputi pembersihan teks, normalisasi, tokenisasi, dan
penghapusan kata umum (stopwords). Dalam penelitian ini, masalah
ketidakseimbangan kelas (imbalanced data) yang umum ditemukan pada dataset
ulasan, diatasi dengan menerapkan teknik Synthetic Minority Over-sampling
Technique (SMOTE) pada data latih. Analisis ini mengukur akurasi, presisi, recall,
dan F1-score untuk membandingkan kinerja kedua algoritma tersebut. Hasil
penelitian menunjukkan bahwa SVM dengan kernel linear memberikan performa
yang lebih baik dibandingkan Naïve Bayes, dengan akurasi mencapai 83,5%,
sementara Naïve Bayes mencapai 69,3%. Penerapan SMOTE terbukti efektif dalam
meningkatkan performa model terhadap kelas minoritas, khususnya untuk sentimen
negatif. Analisis visualisasi menggunakan Word Cloud mengungkapkan bahwa
keluhan pengguna lebih banyak berkaitan dengan masalah teknis aplikasi, seperti
kesulitan login dan force close, yang lebih dominan dibandingkan dengan keluhan
terhadap konten buku. Penelitian ini diharapkan dapat memberikan kontribusi
dalam pengembangan metodologi analisis sentimen ulasan aplikasi berbasis teks di
bahasa Indonesia.

Item Type:	Thesis (Diploma)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Irna Irna Yunita
Date Deposited:	28 Apr 2026 02:14
Last Modified:	28 Apr 2026 02:14
URI:	https://repository.unas.ac.id/id/eprint/15398

Actions (login required)

View Item