ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SPOTIFY DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN PARTICLE SWARM OPTIMIZATION

ARDIANTO, AWANG DENI (2025) ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SPOTIFY DI GOOGLE PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN PARTICLE SWARM OPTIMIZATION. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text COVER.pdf Download (180kB)
	Text ABSTRAK.pdf Download (166kB)
	Text Pengesahan Pembimbing.pdf Download (51kB)
	Text Pengesahan Penguji.pdf Download (55kB)
	Text DAFTAR ISI.pdf Download (187kB)
	Text DAFTAR PUSTAKA.pdf Download (108kB)
	Text SKRIPSI_123180057_AWANG DENI ARDIANTO.pdf Restricted to Repository staff only Download (6MB)

Abstract

Pesatnya perkembangan teknologi informasi meningkatkan interaksi pengguna
terhadap aplikasi digital, salah satunya melalui komentar di Google Play Store. Komentar
tersebut mengandung opini dan sentimen yang berguna untuk mengevaluasi kualitas
aplikasi. Namun, jumlah data yang besar membuat analisis manual menjadi tidak efisien.
Penelitian ini membahas bagaimana mengklasifikasikan sentimen pengguna terhadap
aplikasi Spotify secara akurat serta mengevaluasi pengaruh optimasi parameter terhadap
kinerja metode klasifikasi.
Penelitian dilakukan dengan mengumpulkan komentar pengguna Spotify dari
Google Play Store dan melalui tahapan pra-pemrosesan seperti pembersihan teks, tokenisasi,
stopword removal, dan stemming. Algoritma Support Vector Machine (SVM) digunakan
sebagai metode klasifikasi, dengan Particle Swarm Optimization (PSO) sebagai metode
optimasi parameter. Sistem dikembangkan menggunakan bahasa pemrograman Python dan
dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score.
Hasil evaluasi menunjukkan bahwa SVM yang dioptimasi dengan PSO memberikan
peningkatan kinerja dibandingkan SVM tanpa PSO. Dari hasil lima kali pengujian, model
SVM tanpa optimasi menghasilkan rata-rata akurasi sebesar 77,94%, presisi 41,32%, recall
38,64%, dan F1-score 38,60%. Sementara itu, model SVM yang telah dioptimasi
menggunakan PSO menunjukkan peningkatan dengan rata-rata akurasi 78,22%, presisi
50,90%, recall 40,14%, dan F1-score 40,34%.
Kata Kunci: Analisis Sentimen, Support Vector Machine, Particle Swarm Optimization,
Optimasi Parameter, Komentar Google Playstore

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Awang Deni Ardiyanto (Penulis - 123180057); Oliver Samuel Simanjuntak (Pembimbing 1); Hariyanto (Pembimbing 2)
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, Particle Swarm Optimization, Optimasi Parameter, Komentar Google Playstore
Subjek:	T Technology > T Technology (General) T Technology > TJ Mechanical engineering and machinery
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	14 Oct 2025 02:15
Last Modified:	14 Oct 2025 02:15
URI:	http://eprints.upnyk.ac.id/id/eprint/44312

Actions (login required)

View Item