USMUSM

Jurnal TransformatikaJurnal Transformatika

Penelitian ini bertujuan untuk menganalisis sentimen terhadap pengguna aplikasi Whatsapp di Indonesia pada Google Play Store, dengan dataset dikategorikan menjadi 3 pelabelan sentimen yaitu positif, netral, dan negatif. Dengan menggunakan klasifikasi Naïve Bayes, untuk meningkatkan kinerja maka menggunakan ekstraksi fitur TF-IDF setelah yang berjumlah 1935 fitur. Kemudian ditambahkan seleksi fitur untuk memilih fitur-fitur tertentu menggunakan seleksi fitur Chi-Square yang terpilih sebanyak 85% fitur, dan untuk pembagian data training dan testing hasil terbaik di 80 untuk data training dan 20 untuk data testing. Hasil evaluasi sebelum menggunakan seleksi fitur mendapatkan nilai akurasi sebesar 74,5%, nilai presisi sebesar 70%, dan nilai recall sebesar 74,5%. Namun setelah menggunakan seleksi fitur hasil meningkat cukup tinggi mencapai 5,6% untuk nilai akurasi, 5,94% untuk nilai presisi, dan 1,51% untuk nilai recall. Dengan penelitian ini penggunaan seleksi fitur Chi-Square dapat berpengaruh pada hasil evaluasi data ulasan pengguna aplikasi Whatsapp.

Penelitian ini menunjukkan bahwa penggunaan pelabelan tiga sentimen (positif, netral, negatif), ekstraksi fitur TF-IDF, dan seleksi fitur Chi-Square meningkatkan akurasi analisis sentimen terhadap ulasan aplikasi WhatsApp.Hasil evaluasi dengan rasio data training dan testing 80.20 mencapai akurasi 76%, presisi 72%, dan recall 76%.Hasil ini lebih tinggi dibandingkan penelitian sebelumnya, dengan peningkatan sebesar 5,6% untuk akurasi, 5,94% untuk presisi, dan 1,51% untuk recall.

Penelitian lanjutan dapat dilakukan dengan memperluas dataset ulasan aplikasi WhatsApp dari berbagai sumber, tidak hanya Google Play Store, untuk meningkatkan generalisasi model. Selain itu, eksplorasi metode ekstraksi fitur alternatif seperti Word2Vec atau GloVe dapat dipertimbangkan untuk menangkap makna semantik yang lebih kompleks dalam ulasan pengguna. Selanjutnya, pengembangan model klasifikasi dengan algoritma yang lebih canggih, seperti deep learning (misalnya, LSTM atau Transformer), berpotensi menghasilkan akurasi yang lebih tinggi. Penelitian juga dapat difokuskan pada analisis sentimen berdasarkan aspek fitur aplikasi WhatsApp, seperti fitur pesan, panggilan, atau status, untuk memberikan wawasan yang lebih rinci kepada pengembang aplikasi. Terakhir, studi lebih lanjut dapat menginvestigasi pengaruh sentimen pengguna terhadap perilaku mereka, seperti tingkat penggunaan aplikasi atau kemungkinan rekomendasi kepada pengguna lain, untuk memahami dampak sentimen secara lebih komprehensif.

  1. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. algoritma multinomial na bayes klasifikasi sentimen... doi.org/10.29207/resti.v5i4.3146Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i algoritma multinomial na bayes klasifikasi sentimen doi 10 29207 resti v5i4 3146
  2. Analisis Sentimen Terhadap Aplikasi Whatsapp Menggunakan Naïve Bayes Berdasarkan Seleksi Fitur Chi-Square... journals.usm.ac.id/index.php/transformatika/article/view/12310Analisis Sentimen Terhadap Aplikasi Whatsapp Menggunakan Nayve Bayes Berdasarkan Seleksi Fitur Chi Square journals usm ac index php transformatika article view 12310
  3. Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan... journal.unimma.ac.id/index.php/komtika/article/view/5189Analisis Sentimen Twitter Kuliah Online Pasca Covid 19 Menggunakan Algoritma Support Vector Machine dan journal unimma ac index php komtika article view 5189
Read online
File size794.65 KB
Pages9
DMCAReport

Related /

ads-block-test