Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine

Herlinawati, Nuraeni; Yuliani, Yuri; Faizah, Siti; Gata, Windu; Samudi, Samudi

doi:10.24114/cess.v5i2.18186

Cited by 35 publications

(46 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Hasil akurasi dan AUC yang didapatkan dengan menggunakan algoritma Support Vector Machine (SVM) adalah sebesar 81.22% dan 0.886, sedangkan menggunakan Naïve Bayes adalah sebesar 74.37% dan 0.659. Sehingga dapat diketahui bahwa tingkat akurasi yang dihasilkan menggunakan algoritma Support Vector Machine (SVM) lebih tinggi 6,85% dibandingkan algoritma Naïve Bayes (NB) pada 1.007 record dataset [4]. Penelitian lain terhadap user feedback pada aplikasi dengan melakukan perbandingan metode Support Vector Machine dengan seleksi fitur chi-square dan metode SVM tanpa seleksi fitur chi-square.…”

Section: Pendahuluanunclassified

Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square

Chairunnisa

Ernawati

Santoni

2022

Informatik : Jurnal Ilmu Komputer

View full text Add to dashboard Cite

Upaya pemerintah untuk mengurangi penyebaran wabah virus corona yang semakin meluas hampir di setiap negara di dunia termasuk di Indonesia telah banyak dilakukan. Salah satu upaya yang telah dilakukan dengan memanfaatkan teknologi yang ada pada saat ini adalah membuat sebuah aplikasi bernama PeduliLindungi. Aplikasi ini bertujuan untuk melakukan tracing dan monitoring lokasi penyebaran virus corona sehingga dapat menurunkan kasus corona di Indonesia. Banyak ulasan yang diberikan oleh masyarakat terhadap aplikasi ini baik yang berupa kritik maupun kepuasan. Namun, untuk mengetahui seluruh ulasan yang diberikan tidak mudah. Oleh sebab itu, penelitian dilakukan dengan tujuan untuk mengetahui hasil sentimen masyarakat terhadap aplikasi PeduliLindungi. Analisis sentimen yang dilakukan dengan mengklasifikasikan ulasan menjadi ulasan positif dan ulasan negatif menggunakan algoritma Support Vector Machine dengan seleksi fitur chi-square. Pengumpulan data ulasan dilakukan dengan melakukan scrapping di google play dengan menggunakan bahasa pemrograman Python. Hasil dari klasifikasi sentimen terhadap aplikasi PeduliLindungi menghasilkan performa yang baik dan menghasilkan nilai akurasi sebesar 93%, recall sebesar 86%, precision sebesar 98%, specificity sebesar 98% dan f1-score sebesar 92%.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square

Chairunnisa

Ernawati

Santoni

2022

Informatik : Jurnal Ilmu Komputer

View full text Add to dashboard Cite

show abstract

“…Istilah yang tidak berarti dihapus dari dokumen dan istilah yang berarti tetap ada dan merupakan representasi dari dokumen. ( [12]) Berikut ini proses penjelasan tahap text preprocessing : 1. Regex Removal : menghilangkan regular expression yang ada dalam teks.…”

Section: Text Processingunclassified

Analisis Data Mining Klasifikasi Berita Hoax COVID 19 Menggunakan Algoritma Naive Bayes

Prasetya

Ferdiansyah

2022

json

View full text Add to dashboard Cite

The rapid dissemination of information along with the rapid development of technology along with the massive speed of electronic media and the internet. But the rapid spread of news cannot guarantee that the information and news that we get can be validated from valid sources. Based on data released by Kominfo at the end of 2021, there were 1773 hoax news that were successfully clarified from the hoax news. Then during the Covid-19 pandemic itself, there were various hoaxes circulating in the community. Throughout 2021, the Ministry of Communications and Informatics discovered as many as 723 hoaxes about Covid-19. Based on the background above, the researchers and previous studies have discussed hoax detection in various fields. Such as, fraud detection in online writing style [1], classification of hoax news based on machine learning [3] and the application of nave Bayes and PSO algorithms for classification of hoax news on social media [4]. From here the researchers tried to carry out experiments on the nave Bayes classification algorithm to classify hoax covid 19 news. Based on the results of research that has been done, the nave Bayes model and cross validation can classify hoax news well, the resulting accuracy is 86.3% where 80-90% included in the good classification criteria. The data that is predicted to be incorrect is also not too much from a total of 300 datasets, only 41 are declared incorrect in labeling less than 2% of the total dataset, so it can be concluded that this model can be used as a reference if you want to proceed to a more complex prediction model, for example the model prediction using web-based machine learning.

show abstract

“…Ulasan yang diberikan bermacam-macam, dari pengguna yang mengalami kesulitan dalam mengoperasikan, pengguna yang mengalami bug error, hingga pengguna yang sangat terbantu dengan adanya aplikasi tanda tangan digital. Ulasan atau review pengguna sering kali digunakan sebagai acuan dalam mencari informasi mengenai suatu produk atau aplikasi [2]. Ulasan yang diberikan sangat banyak dan beragam serta dapat memberikan dampak positif maupun negatif terhadap pihak pengembang.…”

Section: Pendahuluanunclassified

Implementasi Support Vector Machine Untuk Analisis Sentimen Komentar Aplikasi Tanda Tangan Digital

Oktafani

Prasetyaningrum

2022

sibc

View full text Add to dashboard Cite

Ulasan atau review pengguna diolah untuk memahami keluhan pengguna terhadap aplikasi agar tersampaikan kepada pihak pengembang untuk dapat memelihara aplikasi. Dari ulasan yang terdapat di Google Playstore, PT. Privy ID sebagai pengembang aplikasi tanda tangan digital ingin mengetahui tingkat kepuasan publik atau pengguna sekaligus sebagai bahan evaluasi bagi perusahaan. Dari ulasan pengguna dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam proses pengklasifikasiannya karena ulasan pengguna yang berjumlah banyak bahkan bertambah setiap saat. Oleh karena itu, dibutuhkannya sistem otomasi analisa sentimen ulasan aplikasi. Sistem ini menerapkan algoritma Support Vector Machine (SVM) sebagai metode untuk menentukan sebuah ulasan mempunyai sentimen positif atau negatif. Analisis dilakukan dengan membandingkan fungsi kernel Radial Basis Function (RBF) dan kernel Linear yang dikombinasikan dengan eksperimen penambahan fiture selection, parameter, dan n-gram. Kesimpulannya adalah penyetelan parameter, dan fitur-fitur n-gram mampu meningkatkan nilai akurasi. Dari hasil percobaan dihasilkan ulasan aplikasi tanda tangan digital kelas negatif sebanyak 4.137 dan kelas positif sebanyak 1.816 pada kernel RBF. Sedangkan pada kernel Linear diperoleh kelas negatif sebanyak 4.049 dan kelas positif sebanyak 1.904 data.

show abstract

Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine

Cited by 35 publications

References 8 publications

Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square

Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square

Analisis Data Mining Klasifikasi Berita Hoax COVID 19 Menggunakan Algoritma Naive Bayes

Implementasi Support Vector Machine Untuk Analisis Sentimen Komentar Aplikasi Tanda Tangan Digital

Contact Info

Product

Resources

About