Sentimen analisis review penggunaan aplikasi edlink menggunakan algoritma naive bayes

Ilmidina, Kamila (2024) Sentimen analisis review penggunaan aplikasi edlink menggunakan algoritma naive bayes. Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.

[img] Text
COVER.pdf
Download (2MB)
[img] Text
BAB I.pdf
Download (148kB)
[img] Text
BAB II.pdf
Restricted to Registered users only
Download (306kB)
[img] Text
BAB III.pdf
Restricted to Registered users only
Download (360kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only
Download (877kB)
[img] Text
BAB V.pdf
Restricted to Registered users only
Download (145kB)
[img] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only
Download (157kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi EdLink pada platform Google Play Store menggunakan algoritma Naive Bayes. Data penelitian diperoleh melalui proses scraping ulasan pengguna EdLink menggunakan bahasa pemrograman Phyton dan Google Colab. Jumlah dataset yang digunakan sebanyak 1000 ulasan pengguna dengan rentang waktu pengambilan data dari 26 September 2021 hingga 20 Maret 2024. tehapan penelitian meliputi preprocessing data yang terdiri dari cleaning, case folding, tokenizing, stopword removal, dan stemming, kemudian dilakukan pembobotan kata menggunakan metode TF-IDF. Selanjutnya data dibagi menjadi data latih sebesar 80% dan data uji sebesar 20%, lalu diklasifikasikan menggunakan metode Multinominal Naive Bayes. Hasil penelitian menunjukkan bahwa sebagian besar ulasan pengguna aplikasi EdLink memiliki sentimen positif sebesar 67,7%, sedaangkan sentimen negatif sebesar 32,3%. berdasarkan hasil evaluasi menggunakan confusion matrix diperoleh nilai True Positive (TP) sebanyak 117 data, True Negative (TN) sebanyak 26 data, False Positive (FP) sebanyak 33 data, dan False Negative (FN) sebanyak 3 data. Pengujian model menghasilkan tingkat akurasi sebesar 86%, sehingga metode Naive Bayes dinilai cukup baik dalam melakukan klasifikasi sentimen terhadap ulasan aplikasi EdLink.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Sentimen Analisis, EdLink , Naive Bayes, TF-IDF , Text Mining, Machine Learning
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Informatika
Depositing User: Perpustakaan Unmer Pasuruan
Date Deposited: 18 May 2026 01:14
Last Modified: 18 May 2026 01:14
URI: http://repository.unmerpas.ac.id/id/eprint/981

Actions (login required)

View Item View Item