LIKMILIKMI
Media InformatikaMedia InformatikaPenelitian ini bertujuan untuk meningkatkan model analisis sentimen berdasarkan ulasan aplikasi Webtoon di Google Play Store dengan algoritma Random Forest. Data ulasan dikumpulkan melalui metode web scraping, mencakup teks ulasan, skor, dan tanggal. Proses praproses teks dilakukan, termasuk penghapusan stopwords, tokenisasi, stemming, dan normalisasi untuk menghasilkan data bersih dan terstruktur. Teknik TF-IDF digunakan untuk ekstraksi fitur, mengubah teks menjadi representasi numerik yang relevan bagi algoritma pembelajaran mesin. Random Forest dipilih karena kemampuannya menangani data kompleks dan mengurangi overfitting melalui pendekatan ensemble. Algoritma ini membangun beberapa pohon keputusan yang bekerja secara kolektif untuk memprediksi sentimen ulasan. Model dilatih dan diuji pada data yang telah dibagi, menghasilkan akurasi sebesar 67,5%. Evaluasi lebih lanjut menunjukkan bahwa Random Forest memberikan performa yang baik pada metrik precision, recall, dan F1-score, terutama dalam menangani keragaman bahasa informal pada ulasan pengguna. Hasil penelitian menunjukkan bahwa Random Forest mampu meningkatkan akurasi analisis sentimen dibandingkan model baseline seperti Naïve Bayes dan SVM. Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna aplikasi Webtoon, membantu pengembang untuk meningkatkan layanan berdasarkan analisis sentimen yang lebih akurat. Selain itu, penelitian ini mendemonstrasikan potensi penerapan Random Forest dalam analisis data teks di platform digital dengan volume data besar.
Random Forest meningkatkan akurasi model analisis sentimen ulasan Webtoon di Google Play Store dengan mengurangi overfitting dan meningkatkan generalisasi dibandingkan model baseline seperti Naïve Bayes dan SVM.Algoritma ini efektif menangani keragaman bahasa dan struktur kalimat tidak formal dalam ulasan pengguna, berkat penggunaan banyak pohon keputusan serta teknik prapemrosesan seperti tokenisasi, stopword removal, stemming, dan normalisasi.Selain itu, model berbasis Random Forest memberikan hasil yang konsisten pada metrik precision, recall, dan F1-score untuk berbagai jenis sentimen, menunjukkan stabilitas dan keseimbangan performa.
Penelitian selanjutnya dapat menyelidiki apakah teknik augmentasi data seperti SMOTE atau model generatif dapat menyeimbangkan distribusi kelas sentimen pada dataset ulasan Webtoon, sehingga meningkatkan kemampuan klasifikasi model dalam menghadapi data tidak seimbang. Selain itu, perlu dieksplorasi penerapan model deep learning berbasis transformer, misalnya BERT atau varian Bahasa Indonesia, untuk membandingkan performa dengan Random Forest dalam mengolah bahasa informal dan emotikon yang sering muncul pada ulasan pengguna. Selanjutnya, penelitian dapat memperluas cakupan analisis sentimen dengan mengintegrasikan metode translasi otomatis dan model multilingual guna menangani ulasan multibahasa pada platform global, sehingga memberikan wawasan lebih komprehensif tentang persepsi pengguna lintas bahasa.
- Sentiment Analysis for Product Recommendation Using Random Forest | International Journal of Engineering... sciencepubco.com/index.php/ijet/article/view/14492Sentiment Analysis for Product Recommendation Using Random Forest International Journal of Engineering sciencepubco index php ijet article view 14492
- Penerapan Metode Naïve Bayes untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi ChatGPT di Google... ejurnal.seminar-id.com/index.php/bits/article/view/5400Penerapan Metode Nayve Bayes untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi ChatGPT di Google ejurnal seminar id index php bits article view 5400
- ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SIREKAP PADA PLAY STORE MENGGUNAKAN ALGORITMA RANDOM FOREST... journal.eng.unila.ac.id/index.php/jitet/article/view/4192ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SIREKAP PADA PLAY STORE MENGGUNAKAN ALGORITMA RANDOM FOREST journal eng unila ac index php jitet article view 4192
- Vol. 6 No. 5 (2024): Ranah Research : Journal Of Multidisciplinary Research and Development (Juli 2024... doi.org/10.38035/rrj.v6i5Vol 6 No 5 2024 Ranah Research Journal Of Multidisciplinary Research and Development Juli 2024 doi 10 38035 rrj v6i5
| File size | 409.92 KB |
| Pages | 14 |
| DMCA | Report |
Related /
UNIVPGRI PALEMBANGUNIVPGRI PALEMBANG Analisis Indeks Nilai Penting (INP) mengungkap bahwa komunitas mangrove di Pulau Panjang didominasi oleh Rhizophora mucronata dan Rhizophora stylosa, sementaraAnalisis Indeks Nilai Penting (INP) mengungkap bahwa komunitas mangrove di Pulau Panjang didominasi oleh Rhizophora mucronata dan Rhizophora stylosa, sementara
CIPTA MEDIA HARMONICIPTA MEDIA HARMONI Akan tetapi, tingkat pemahaman masyarakat umum terhadap BISINDO masih minim, sehingga dibutuhkan inovasi teknologi untuk mengatasi hambatan komunikasiAkan tetapi, tingkat pemahaman masyarakat umum terhadap BISINDO masih minim, sehingga dibutuhkan inovasi teknologi untuk mengatasi hambatan komunikasi
PLBPLB Model tersebut mencapai tingkat akurasi sebesar 87,8% dengan performa yang seimbang dalam mengklasifikasikan individu dengan dan tanpa hipertensi. HasilModel tersebut mencapai tingkat akurasi sebesar 87,8% dengan performa yang seimbang dalam mengklasifikasikan individu dengan dan tanpa hipertensi. Hasil
UNAIRUNAIR Kesalahan klasifikasi minor yang terjadi, seperti pada Pampus argenteus, kemungkinan disebabkan oleh fitur visual yang tumpang tindih dan/atau kualitasKesalahan klasifikasi minor yang terjadi, seperti pada Pampus argenteus, kemungkinan disebabkan oleh fitur visual yang tumpang tindih dan/atau kualitas
SHMPUBLISHERSHMPUBLISHER Penelitian ini bertujuan meningkatkan akurasi algoritma klasifikasi dalam memprediksi risiko kredit dengan menerapkan algoritma genetik sebagai metodePenelitian ini bertujuan meningkatkan akurasi algoritma klasifikasi dalam memprediksi risiko kredit dengan menerapkan algoritma genetik sebagai metode
PLBPLB Berdasarkan analisis menggunakan 1. 650 dataset, sentimen pengguna cenderung memiliki nilai Netral, yang telah diukur menggunakan Vader Lexicon. HasilBerdasarkan analisis menggunakan 1. 650 dataset, sentimen pengguna cenderung memiliki nilai Netral, yang telah diukur menggunakan Vader Lexicon. Hasil
PNCPNC Pada skenario uji, teknik majority voting digunakan untuk menghasilkan performa terbaik dari masing‑masing algoritma. Hasil menunjukkan bahwa algoritmaPada skenario uji, teknik majority voting digunakan untuk menghasilkan performa terbaik dari masing‑masing algoritma. Hasil menunjukkan bahwa algoritma
JOIVJOIV Hasil penelitian menunjukkan bahwa algoritma MobileNet-V2 memberikan kinerja terbaik dalam memprediksi tumor otak dari citra MRI, diikuti oleh Inception-V3Hasil penelitian menunjukkan bahwa algoritma MobileNet-V2 memberikan kinerja terbaik dalam memprediksi tumor otak dari citra MRI, diikuti oleh Inception-V3
Useful /
JOIVJOIV Hasil perencanaan menunjukkan kebutuhan 58 situs (stasiun basis) di Jawa Barat, dengan 94 kanal yang diperlukan, sedangkan lebar pita 15 MHz pada radioHasil perencanaan menunjukkan kebutuhan 58 situs (stasiun basis) di Jawa Barat, dengan 94 kanal yang diperlukan, sedangkan lebar pita 15 MHz pada radio
ARIKESIARIKESI Resource Development and Installation efektif mengurangi gejala trauma pada korban kekerasan perempuan, sebagaimana terlihat dari penurunan skor gejalaResource Development and Installation efektif mengurangi gejala trauma pada korban kekerasan perempuan, sebagaimana terlihat dari penurunan skor gejala
ARIKESIARIKESI Layanan kesehatan modern sedang mengalami transformasi menuju pendekatan yang lebih humanistik dan berfokus pada pasien, menekankan pada layanan berbasisLayanan kesehatan modern sedang mengalami transformasi menuju pendekatan yang lebih humanistik dan berfokus pada pasien, menekankan pada layanan berbasis
UNIVPGRI PALEMBANGUNIVPGRI PALEMBANG Daya tetas tertinggi terdapat pada perlakuan C yaitu Artemia dekapsulasi dengan salinitas 30 ppt sebesar 88,55%, daya tetas perlakuan B sebesar 68,51%,Daya tetas tertinggi terdapat pada perlakuan C yaitu Artemia dekapsulasi dengan salinitas 30 ppt sebesar 88,55%, daya tetas perlakuan B sebesar 68,51%,