ANALISIS SENTIMEN REVIEW PADA APLIKASI EDLINK SEVIMA DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Kurnia, Rivan (2024) ANALISIS SENTIMEN REVIEW PADA APLIKASI EDLINK SEVIMA DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text Cover.pdf - Accepted Version Available under License Creative Commons Attribution Share Alike. Download (352kB)
	Text Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (500kB)
	Text Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (590kB)
	Text Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (442kB)
	Text Bab I.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (684kB)
	Text Skripsi Full_Rivan Kurnia.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (365kB)
	Text Surat Keterangan Hasil Cek Plagiarisme.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (290kB)

Abstract

Kemajuan teknologi dan informasi di era industri 4.0 memiliki dampak signifikan pada proses pembelajaran di berbagai lembaga pendidikan. Aplikasi Edlink Sevima adalah salah satu platform e-learning yang banyak digunakan dan dievaluasi oleh pengguna melalui ulasan di Google Play Store. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi Edlink Sevima menggunakan metode Support Vector Machine (SVM). Metode SVM dipilih karena kemampuannya mengklasifikasikan data teks dengan akurasi tinggi. Data ulasan dikumpulkan dari Google Play Store dan diproses menggunakan teknik preprocessing untuk mengoptimalkan analisis sentimen. Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan ulasan menjadi sentimen positif, negatif, dan netral dengan akurasi terbaik sebesar 75%. Sentimen negatif memiliki precision sebesar 0.71 dan recall sebesar 0.79, sedangkan sentimen positif memiliki precision sebesar 0.78 dan recall sebesar 0.87. Diharapkan hasil dari penelitian ini dapat memberikan sumbangan dalam pemahaman tentang ulasan pengguna aplikasi di Google Play Store. Walaupun demikian, penelitian ini memiliki keterbatasan, seperti metode yang digunakan dan data yang dikumpulkan. Oleh karena itu, penelitian ini dapat dijadikan dasar untuk penelitian lanjutan dalam bidang analisis sentimen dari ulasan aplikasi di Google Play Store. Kata Kunci: Analisis Sentimen, Edlink Sevima, Support Vector Machine, Google Play Store, E-learning.

Actions (login required)

View Item