ANALISIS SENTIMEN ULASAN APLIKASI STREAMING RCTI+ MENGGUNAKAN SUPPORT VECTOR MACHINE PADA GOOGLE PLAY STORE

ANALISIS SENTIMEN ULASAN APLIKASI STREAMING RCTI+ MENGGUNAKAN SUPPORT VECTOR MACHINE PADA GOOGLE PLAY STORE

• By Fauziyyah, Annisa Ghina;
• Skripsi
• 12
• 1-64

Perkembangan inovasi teknologi menyebabkan munculnya berbagai macam layanan streaming online seperti RCTI+. Aplikasi RCTI+ berisi berbagai program dan tayangan televisi secara online dan live streaming, serta fitur lain seperti video, serial TV, film, berita, radio, dan lain – lain. Aplikasi ini telah di unduh lebih dari 10 juta kali dan memiliki rating 4,2 dengan 160 ribu ulasan. Dengan banyaknya pengguna aplikasi RCTI+, jumlah komentar dan ulasan yang dibagikan oleh masyarakat bersifat tidak terstruktur, membuat pemahaman terhadap opini pengguna menjadi terhambat. Oleh karena itu, analisis terhadap ulasan aplikasi RCTI+ diperlukan untuk mengetahui opini masyarakat tentang aplikasi tersebut. Dalam penelitian ini, analisis sentimen dilakukan menggunakan metode Support Vector Machine (SVM) dengan dataset sebanyak 1500, terdiri dari 948 sentimen positif dan 552 sentimen negatif. Setelah tahap preprocessing dan pembobotan tf-idf selesai, akan dilakukan pembagian data dengan rasio 80%:20%, menghasilkan 1200 data latih dan 300 data uji. Kemudian dilakukan klasifikasi sentimen menggunakan SVM. Hasilnya menunjukkan bahwa metode SVM memiliki accuracy sebesar 90,33%, precision sebesar 90,86%, dan recall sebesar 94,21%. Hasil tersebut menunjukkan bahwa algoritma Support Vector Machine efektif dan akurat dalam mengklasifikasikan sentimen ulasan aplikasi RCTI+ di Google Play Store.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Aditiya, P., Enri, U., & Maulana, I. (2022). Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine. JURIKOM (Jurnal Riset Komputer), 9(4), 1020. https://doi.org/10.30865/jurikom.v9i4.4673

Afdal, M., & Rahma Elita, L. (2022). Penerapan Text Mining Pada Aplikasi Tokopedia Menggunakan Algoritma K-Nearest Neighbor. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 8(1).

Devi A, A. P., A, L., A, A. Z., Maryamah, L, R., & S, R. W. (2021). Metode Pembobotan Kata Berbasis Cluster Untuk Perangkingan Dokumen Berbahasa Arab Cluster-Based Term Weighting Method for Ranking Arabic Documents. In Techno.COM (Vol. 20, Issue 2).

Diandra Audiansyah, D., Eka Ratnawati, D., & Trias Hanggara, B. (2022). Analisis Sentimen Aplikasi MyXL menggunakan Metode Support Vector Machine berdasarkan Ulasan Pengguna di Google Play Store. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(8), 3987–3994. http://j-ptiik.ub.ac.id

Diki Hendriyanto, M., Ridha, A. A., & Enri, U. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine. Journal of Information Technology and Computer Science (INTECOMS), 5(1).

Ginting, V. S., Kusrini, & Taufiq, E. (2020). Implementasi Algoritma C4.5 Untuk Memprediksi Keterlambatan Pembayaran Sumbangan Pembangunan Pendidikan Sekolah Menggunakan Python. Inspiration : Jurnal Teknologi Informasi Dan Komunikasi, 10(1), 36–44.

Herlinawati, N., Yuliani, Y., Faizah, S., & Gata, W. (2020). Analisis Sentimen Zoom Cloud Meetings Di Play Store Menggunakan Naïve Bayes Dan Support Vector Machine. CESS (Journal of Computer Engineering System and Science), 5(2), 2502–2714.

Hilda Kusumahadi, S., Junaedi, H., & Santoso, J. (2019). Klasifikasi Helpdesk Menggunakan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 4(1), 54–60. https://doi.org/10.30591/jpit.v4i1.1125

Natasuwarna, A. P. (2019). Tantangan Menghadapi Era Revolusi 4.0 - Big Data dan Data Mining. Seminar Nasional Hasil Pengabdian Kepada Masyarakat 2019, 29.

Pamungkas, B., Purbaya, M. E., & Januarita, D. (2021). Analisis Sentimen Twitter Menggunakan Metode Support Vector Machine (SVM) pada Kasus Benih Lobster 2020. Journal of Informatics, Information System, Software Engineering and Applications, 3(2). https://doi.org/10.20895/INISTA.V3I2

Pane, S. F., & Saputra, Y. A. (2020). Big Data: Classification Behavior Menggunakan Python (Y. A. Saputra, Ed.; 1st ed.). Kreatif Industri Nusantara.

Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(1), 8–17. https://doi.org/10.25077/teknosi.v7i1.2021.8-17

Purnamasari, D., Bayu, A., Desy, A., Fanka, W. A. P., Reza, A., Safrila, M., Yanda, O. N., & Hidayati, U. (2023). Pengantar Metode Analisis Sentimen.

Putra, R. R., & Hidayat, Z. (2022). Komunikasi Pemasaran Layanan Video Streaming Dan On Demand Mnc Group (Studi Kasus: Aplikasi Rcti+). Jurnal Ilmu Sosial Dan Pendidikan (JISIP), 6(1), 2598–9944. https://doi.org/10.36312/jisip.v6i1.2813/

Putra, Y. W. S., Dawis, A. M., Novi, N., Natsir, F., & Fitria, F. (2023). Pengantar Aplikasi Mobile (E. Erlangga & W. Andriyani, Eds.). Penerbit Haura Utama.

Putri, D. S., & Ridwan, T. (2023). Analisis Sentimen Ulasan Aplikasi Pospay dengan Algoritma Support Vector Machine. Jurnal Ilmiah Informatika.

Sahria, Y. (2020). Implementasi Teknik Web Scraping pada Jurnal SINTA Untuk Analisis Topik Penelitian Kesehatan Indonesia. Prosiding University Research Colloquium. http://sinta2.ristekdikti.go.id/journals/detail

Swastika, R., Mukodimah, S., Susanto, F., Muslihudin, M., & Ipnuwati, S. (2023). Implementasi Data Mining (Clastering, Association, Prediction, Estimation, Classification) (D. Susianto & Suyono, Eds.; 1st ed.). Penerbit Adab.

Vidiya, E. C., & Testiana, G. (2023). Analisis Pola Pembelian di Lathansa Cafe & Ramen dengan Menggunakan Algoritma FP-Growth Berbantuan RapidMiner. G-Tech: Jurnal Teknologi Terapan, 7(3), 1118–1126.  https://doi.org/10.33379/gtech.v7i3.2739

Wahyudi, R., Kusumawardhana, G., Purwokerto, A., Letjend, J., Soemarto, P., Purwanegara, K., Purwokerto, T., & Banyumas, K. (2021). Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine. Jurnal Informatika, 8(2). http://ejournal.bsi.ac.id/ejurnal/index.php/ji

Widayat, W. (2021). Analisis Sentimen Movie Review menggunakan Word2Vec dan metode LSTM Deep Learning. Jurnal Media Informatika Budidarma, 5(3), 1018. https://doi.org/10.30865/mib.v5i3.3111

Samantri, M., & Afiyati. (2024). Perbandingan Algoritma Support Vector Machine

dan Random Forest untuk Analisis Sentimen Terhadap Kebijakan Pemerintah Indonesia Terkait Kenaikan Harga BBM Tahun 2022. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 8(1), 1–9. https://doi.org/10.35870/jtik.v8i1.1202