UMBUMB
Jurnal Ilmiah FIFOJurnal Ilmiah FIFOPenggunaan aplikasi pembelajaran matematika seperti Photomath terus meningkat, namun kajian terkait sentimen pengguna, khususnya dalam bahasa Indonesia, masih terbatas. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna serta membandingkan kinerja algoritma Naïve Bayes, K-Nearest Neighbor (KNN), dan Support Vector Machine (SVM). Tahapan penelitian diawali dengan prapemrosesan teks, Setelah itu, data diproses melalui ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Dataset yang digunakan terdiri dari 42.672 ulasan pengguna Photomath yang diperoleh melalui teknik web scraping dari Google Play Store dan diseleksi menggunakan purposive sampling. Data kemudian diberi label sentimen, yaitu positif, netral, dan negatif berdasarkan nilai rating. Berdasarkan penelitian, KNN mencatat akurasi 86,61%. Namun, kinerjanya pada kelas netral dan negatif masih belum optimal karena data yang tidak seimbang. Meskipun SMOTE dapat meningkatkan recall, akurasi justru menurun. Sebaliknya, SVM terbukti sebagai algoritma terbaik dengan akurasi 88,94% dan F1-score makro tertinggi. Temuan ini menegaskan bahwa pemilihan algoritma dan strategi data tidak seimbang sangat berpengaruh terhadap performa klasifikasi sentimen.
Penelitian ini berhasil menerapkan metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan sentimen 42.Model dengan parameter k = 9 menghasilkan akurasi sebesar 86,61%, dengan performa sangat baik pada sentimen positif (F1-score 0,93), namun masih rendah pada sentimen netral dan negatif akibat ketidakseimbangan data.Penerapan SMOTE mampu meningkatkan kemampuan model dalam mengenali kelas minoritas, yang ditunjukkan oleh peningkatan recall, meskipun akurasi keseluruhan menurun.Hal ini menunjukkan adanya trade-off antara akurasi dan keseimbangan performa model.Hasil perbandingan menunjukkan bahwa metode SVM memberikan performa terbaik dibandingkan KNN dan Naïve Bayes, baik dari sisi akurasi maupun F1-score macro.Dengan demikian, pemilihan metode yang tepat serta penanganan data tidak seimbang menjadi faktor penting dalam meningkatkan kinerja klasifikasi sentimen.
Untuk penelitian lanjutan, dapat dilakukan analisis lebih mendalam mengenai pengaruh ketidakseimbangan data pada performa metode KNN, serta mengembangkan strategi penyeimbangan data yang lebih optimal. Selain itu, dapat juga dieksplorasi penggunaan teknik-teknik pengolahan bahasa alami (NLP) yang lebih canggih, seperti Word2Vec atau BERT, untuk meningkatkan akurasi klasifikasi sentimen. Terakhir, penelitian dapat diperluas dengan membandingkan performa berbagai algoritma lain, seperti Random Forest atau Gradient Boosting, dalam mengklasifikasikan sentimen ulasan aplikasi Photomath.
- Optimization of the K-Nearest Neighbors (KNN) Algorithm in Imbalanced Dataset Classification Using the... doi.org/10.59934/jaiea.v4i2.756Optimization of the K Nearest Neighbors KNN Algorithm in Imbalanced Dataset Classification Using the doi 10 59934 jaiea v4i2 756
- A Optimizing Word2Vec Dimensions for Sentiment Analysis of Photomath Reviews using Random Forest and... ejurnal.seminar-id.com/index.php/bits/article/view/6616A Optimizing Word2Vec Dimensions for Sentiment Analysis of Photomath Reviews using Random Forest and ejurnal seminar id index php bits article view 6616
- Komparasi Metode Naive Bayes dan K-Nearest Neighbors Terhadap Analisis Sentimen Pengguna Aplikasi Zenius... ejournal.unama.ac.id/index.php/processor/article/view/1596Komparasi Metode Naive Bayes dan K Nearest Neighbors Terhadap Analisis Sentimen Pengguna Aplikasi Zenius ejournal unama ac index php processor article view 1596
- Client Challenge. client challenge javascript disabled browser please enable proceed required part site... journalofbigdata.springeropen.com/articles/10.1186/s40537-025-01137-2Client Challenge client challenge javascript disabled browser please enable proceed required part site journalofbigdata springeropen articles 10 1186 s40537 025 01137 2
| File size | 2.43 MB |
| Pages | 11 |
| DMCA | Report |
Related /
STAIYPIQBAUBAUSTAIYPIQBAUBAU Dari sudut pandang kebijakan, model implementasi ini dapat berfungsi sebagai pedoman bagi sekolah dasar Islam lainnya dalam menciptakan program pengembanganDari sudut pandang kebijakan, model implementasi ini dapat berfungsi sebagai pedoman bagi sekolah dasar Islam lainnya dalam menciptakan program pengembangan
STAIYPIQBAUBAUSTAIYPIQBAUBAU Sisi lain, yang dipimpin oleh Adian Husaini dan para sarjana Al-Quran terkenal lainnya, mengatakan bahwa hermeneutika berasal dari upaya Barat untuk memahamiSisi lain, yang dipimpin oleh Adian Husaini dan para sarjana Al-Quran terkenal lainnya, mengatakan bahwa hermeneutika berasal dari upaya Barat untuk memahami
UMBUMB Model seperti k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Logistic Regression, Neural Network, dan Ensemble menunjukkan tingkat akurasi rata-rataModel seperti k-Nearest Neighbor (k-NN), Support Vector Machine (SVM), Logistic Regression, Neural Network, dan Ensemble menunjukkan tingkat akurasi rata-rata
UKDCUKDC Pada kasus royalti ini sangatlah menjadi topik perbincangan yang menimbulkan pro kontra di kalangan masyarakat pada media sosial yaitu pada platform Twitter.Pada kasus royalti ini sangatlah menjadi topik perbincangan yang menimbulkan pro kontra di kalangan masyarakat pada media sosial yaitu pada platform Twitter.
UMBUMB Infrastruktur jaringan komputer pada PT Bintang Barutama saat ini menghadapi kendala kinerja dan keamanan akibat penggunaan topologi flat network. KondisiInfrastruktur jaringan komputer pada PT Bintang Barutama saat ini menghadapi kendala kinerja dan keamanan akibat penggunaan topologi flat network. Kondisi
FISIPUNIGAFISIPUNIGA Penelitian ini bertujuan untuk mengevaluasi implementasi Program Kartu Prakerja sebagai kebijakan strategis pemerintah dalam meningkatkan keterampilanPenelitian ini bertujuan untuk mengevaluasi implementasi Program Kartu Prakerja sebagai kebijakan strategis pemerintah dalam meningkatkan keterampilan
HOSTJOURNALSHOSTJOURNALS Sebanyak 1. 090 tweet dikumpulkan dalam rentang 1 Januari 2023 hingga 1 Januari 2025 menggunakan Tweet Harvest API, dengan kriteria tweet berupa keluhan,Sebanyak 1. 090 tweet dikumpulkan dalam rentang 1 Januari 2023 hingga 1 Januari 2025 menggunakan Tweet Harvest API, dengan kriteria tweet berupa keluhan,
AKADEMITNIALAKADEMITNIAL Sistem ini selaras dengan tugas TNI AL menurut UU No. 8/2021, serta dapat menjadi model inovasi untuk Alat taktis TNI AL (misalnya pelacakan kapal patroli)Sistem ini selaras dengan tugas TNI AL menurut UU No. 8/2021, serta dapat menjadi model inovasi untuk Alat taktis TNI AL (misalnya pelacakan kapal patroli)
Useful /
DINASTIRESDINASTIRES Populasi dalam penelitian ini terdiri dari 120 responden, dengan sampel sebanyak 92 responden yang dipilih menggunakan sampling purposif. Analisis dataPopulasi dalam penelitian ini terdiri dari 120 responden, dengan sampel sebanyak 92 responden yang dipilih menggunakan sampling purposif. Analisis data
DINASTIRESDINASTIRES Penelitian ini menggunakan data sekunder dengan pendekatan kuantitatif. Pemilihan sampel menggunakan metode purposive sampling, sehingga diperoleh sebanyakPenelitian ini menggunakan data sekunder dengan pendekatan kuantitatif. Pemilihan sampel menggunakan metode purposive sampling, sehingga diperoleh sebanyak
DINASTIRESDINASTIRES Penelitian ini didasarkan pada tinjauan sistematis terhadap dua belas artikel ilmiah yang memenuhi kriteria seleksi PRISMA, berhasil mengidentifikasi danPenelitian ini didasarkan pada tinjauan sistematis terhadap dua belas artikel ilmiah yang memenuhi kriteria seleksi PRISMA, berhasil mengidentifikasi dan
STIQISYKARIMASTIQISYKARIMA Syaikh Mutawalli Asy-Sya`râwî menghukumi orang yang menggunakan sihir sebagai kafir. Maka dari itu, bahaya sihir bukan hanya di dunia namun sampai akhiratSyaikh Mutawalli Asy-Sya`râwî menghukumi orang yang menggunakan sihir sebagai kafir. Maka dari itu, bahaya sihir bukan hanya di dunia namun sampai akhirat