Analisis sentiment berbasis aspek pada aplikasi pedulilindungi menggunakan latent dirichlet allocation dan support vector machine

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Zaidah, Ana Rohmah (2021) Analisis sentiment berbasis aspek pada aplikasi pedulilindungi menggunakan latent dirichlet allocation dan support vector machine. Undergraduate thesis, UIN Sunan Ampel Surabaya.

[img] Text
Ana Rohmah Zaidah_H76217050.pdf

Download (2MB)

Abstract

Pandemi COVID-19 telah menghambat seluruh aktivitas kehidupan di seluruh dunia termasuk Indonesia, berbagai strategi telah dilakukan untuk menekan penyebaran virus tersebut, termasuk tracing. Namun penelusuran menjadi sangat sulit karena memakan waktu jika dilakukan secara manual, maka dari itu pemerintah melalui Kementerian Komunikasi dan Informatika (KOMINFO) memperkenalkan aplikasi “Pedulilindungi”. Sebagai aplikasi yang dibutuhkan menurut pakar IT, aplikasi “Pedulilindungi” masih memiliki banyak masalah yang menyebabkan ketidakpuasan pengguna dan jika tidak segera diperbaiki minat pengguna akan berkurang, sehingga proses pengembangan sangat diperlukan. Pengembangan membutuhkan pendapat dari pengguna dan datanya dapat diperoleh dengan menggunakan aplikasi review google play store dan twitter tentang aplikasi Pedulilindungi. Penelitian ini menggunakan kombinasi 2 metode yaitu metode LDA (Latent Dirichlet Allocation) untuk mengetahui aspek kelebihan dan kekurangannya, dan metode SVM (Support Vector Machine) untuk menentukan sentimen (Positif dan Negatif) masing-masing aspek berdasarkan skor rating dari ulasan Google Play store dan ulasan twitter. Penelitian ini menghasilkan 3 aspek yaitu vaksin, data, aplikasi kemudian setiap aspek akan dilabeli dengan aturan jika rating ≤ 2 maka negatif , jika rating = 3 maka netral akan tetapi sentimen netral kurang informatif sehingga menggunakan leksikon based untuk mengklasifikasikan menjadi netral atau positif kemudian jika rating ≥ 4 maka positif, sehingga hasil akhir dari sentimen hanya positif atau negatif saja. Setelah ditentukan aspek serta sentimennya maka data akan di testing dan training menggunakan metode K-fold validation dengan nilai K = 5 serta Grid search cv. Penelitian yang telah dilakukan memperoleh Accuracy model untuk sentimen semua aspek sebesar 70,43%, kemudian berdasarkan analisis hasil aspek vaksin, data dan aplikasi lebih dominan pada sentimen negatif sehingga pengembang atau KOMINFO harus mengembangkan terkait aspek data, vaksin maupun aplikasi.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type: Thesis (Undergraduate)
Creators:
CreatorsEmailNIM
Zaidah, Ana Rohmahanarohmahzaidah77@gmail.comH76217050
Contributors:
ContributionNameEmailNIDN
Thesis advisorRidwan, Mujibmujibrw@uinsby.ac.id2027048602
Subjects: Teknologi > Teknologi Informasi
Keywords: Latent dirichlet allocation; support vector machine; data; vaksin; aplikasi; aspect- based sentiment analysis
Divisions: Fakultas Sains dan Teknologi > Studi Sistem Informasi
Depositing User: Editor : Abdun Nashir------ Information------library.uinsby.ac.id
Date Deposited: 10 Feb 2022 03:43
Last Modified: 10 Feb 2022 03:43
URI: http://digilib.uinsby.ac.id/id/eprint/52007

Actions (login required)

View Item View Item