DALIMUNTHE, RYAS PUTRA YUSENDA (2025) SENTIMEN ANALISIS APLIKASI CLOUD STORAGE DI PLAYSTORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UPN "Veteran" Yogyakarta.
![[thumbnail of 2_Cover_123190011_Ryas Putra Yusenda Dalimunthe.pdf]](http://eprints.upnyk.ac.id/style/images/fileicons/text.png) |
Text
2_Cover_123190011_Ryas Putra Yusenda Dalimunthe.pdf Download (2MB) |
|
Text
3_Abstrak_123190011_Ryas Putra Yusenda Dalimunthe.pdf Download (4MB) |
|
Text
4_Halaman Pengesahan_123190011_Ryas Putra Yusenda Dalimunthe.pdf Download (342kB) |
|
Text
5_Daftar Isi_123190011_Ryas Putra Yusenda Dalimunthe.pdf Download (2MB) |
|
Text
6_Daftar Pustaka_123190011_Ryas Putra Yusenda Dalimunthe.pdf Download (2MB) |
|
Text
1_Skripsi full_123190011_Ryas Putra Yusenda Dalimunthe.pdf Restricted to Repository staff only Download (3MB) |
Abstract
Perkembangan teknologi informasi mendorong meningkatnya penggunaan layanan
cloud storage seperti Google Drive, Dropbox, OneDrive, dan Mega. Ulasan pengguna
terhadap aplikasi-aplikasi ini yang tersedia di Google Playstore dapat dijadikan sumber data
penting untuk memahami persepsi dan kepuasan pengguna. Penelitian ini bertujuan untuk
melakukan analisis sentimen terhadap ulasan pengguna tersebut dengan menggunakan
algoritma Support Vector Machine (SVM) yang dikombinasikan dengan pembobotan kata
Term Frequency-Inverse Document Frequency (TF-IDF) dan kernel Radial Basis Function
(RBF).
Data sebanyak 85.617 komentar dalam Bahasa Indonesia dikumpulkan melalui proses
web scraping dari Google Playstore. Data kemudian diproses menggunakan tahapan text
preprocessing yang meliputi cleaning, case folding, stopword removal, negation handling,
lemmatizing, dan tokenizing. Selanjutnya, data diberi label sentimen (positif, netral, negatif)
menggunakan model RoBERTa, dan dilakukan pelatihan model menggunakan algoritma
SVM.
Hasil pengujian menunjukkan bahwa akurasi model cukup tinggi dan berbeda-beda di
setiap aplikasi, dengan rincian hasil confusion matrix sebagai berikut, Google Drive dengan
akurasi 89,7%, Precision 93%, Recall 89%, dan F1-Score 90%. Mega dengan Akurasi
90,3%, Precision 94%, Recall 90%, dan F1-Score 91%. Dropbox dengan Akurasi 85,1%,
Precision 89%, Recall 85%, dan F1-Score 86%. OneDrive dengan Akurasi 82,3%, Precision
86%, Recall 82%, dan F1-Score 84%.
Dari hasil tersebut, dapat disimpulkan bahwa penggabungan metode TF-IDF dan
algoritma SVM dengan kernel RBF mampu memberikan hasil klasifikasi sentimen yang baik
terhadap ulasan aplikasi cloud storage. Penelitian ini diharapkan dapat menjadi referensi
dalam pengembangan sistem analisis sentimen pada aplikasi digital berbasis ulasan
pengguna.
Kata Kunci: Analisis Sentimen, Cloud Storage, Support Vector Machine, TF-IDF,
Kernel RBF, Google Playstore
| Item Type: | Tugas Akhir (Skripsi) |
|---|---|
| Additional Information: | RYAS PUTRA YUSENDA DALIMUNTHE (Penulis-123190011) ; Nur Heri Cahyana (Pembimbing) |
| Uncontrolled Keywords: | Analisis Sentimen, Cloud Storage, Support Vector Machine, TF-IDF, Kernel RBF, Google Playstore |
| Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
| Divisions: | Fakultas Teknik Industri > (S1) Informatika |
| Depositing User: | A.Md Eko Suprapti |
| Date Deposited: | 01 Dec 2025 03:34 |
| Last Modified: | 01 Dec 2025 03:34 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/45908 |
Actions (login required)
 |
View Item |