KLASIFIKASI SENTIMEN REVIEW APLIKASI JOGJAKITA MENGGUNAKAN METODE LEXICON BASED DAN NAIVE BAYES

SITANGGANG, AYU SRI PERMADANI (2025) KLASIFIKASI SENTIMEN REVIEW APLIKASI JOGJAKITA MENGGUNAKAN METODE LEXICON BASED DAN NAIVE BAYES. Other thesis, UPN Veteran Yogyakarta.

	Text 2_Cover_124200018_Ayu Sri Permadani Sitanggang.pdf Download (217kB)
	Text 3_Abstrak__124200018_Ayu Sri Permadani Sitanggang.pdf Download (287kB)
	Text 4_Halaman Pengesahan__124200018_Ayu Sri Permadani Sitanggang.pdf Download (851kB)
	Text 5_Daftar Isi_124200018_Ayu Sri Permadani Sitanggang.pdf Download (314kB)
	Text 6_Daftar Pustaka__124200018_Ayu Sri Permadani Sitanggang.pdf Download (163kB)
	Text 1_Skripsi Full_124200018_Ayu Sri Permadani Sitanggang.pdf Restricted to Repository staff only Download (3MB)

Abstract

Kemajuan teknologi digital telah membawa perubahan signifikan pada cara
masyarakat berbagi informasi dan pengalaman, terutama melalui aplikasi mobile. Salah satu
aplikasi yang berperan penting bagi masyarakat dan wisatawan di Yogyakarta adalah
JogjaKita. Aplikasi ini menyediakan berbagai fitur seperti panduan perjalanan, informasi
publik, dan layanan sehari-hari. Namun, kualitas dan efektivitas layanan aplikasi masih
menjadi perhatian yang perlu dievaluasi. Penelitian ini bertujuan untuk menganalisis
sentimen ulasan pengguna terhadap aplikasi JogjaKita, menggunakan metode Lexicon
Based dan Naive Bayes untuk mengklasifikasikan sentimen positif, negatif, dan netral.
Penelitian dilakukan dengan mengambil data ulasan dari Google Play Store
menggunakan teknik web scraping. Data yang terkumpul melalui tahapan preprocessing
teks, termasuk case folding, normalisasi, penghapusan kata tidak penting (stopword
removal), dan stemming. Dua metode utama digunakan untuk analisis sentimen: metode
Lexicon Based yang memanfaatkan kamus sentimen untuk menilai polaritas kata-kata
dalam teks, serta Naive Bayes yang berbasis probabilistik untuk mengklasifikasikan data
berdasarkan pola tertentu. Model dikembangkan menggunakan teknik pembobotan TF-IDF
untuk meningkatkan akurasi prediksi.
Hasil penelitian menunjukkan bahwa metode Naive Bayes menghasilkan akurasi
yang lebih tinggi dibandingkan metode Lexicon Based, menguatkan temuan penelitian
sebelumnya. Evaluasi menggunakan metrik akurasi, presisi, dan recall menunjukkan
keunggulan Naive Bayes, dengan akurasi mencapai lebih dari 90%. Sementara itu, metode
Lexicon Based memiliki kekurangan dalam menangkap konteks kata-kata yang ambigu atau
sarat makna ganda. Penelitian ini memberikan kontribusi signifikan dalam bidang analisis
sentimen, terutama dalam membantu pengembang aplikasi untuk memahami kebutuhan dan
harapan pengguna, serta meningkatkan kualitas layanan aplikasi JogjaKita.
Berdasarkan hasil penelitian dengan menggunakan 1733 data dengan perbandingan
data latih dan data uji yaitu 80%:20%, dimana data latih sebanyak 1386 data dan data uji
sebanyak 347 data, dengan pengujian menggunakan tabel confusion matrix dihasilkan nilai
akurasi sebesar 81%.
Kata kunci: Analisis Sentimen, Naive Bayes, Lexicon Based, JogjaKita.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Naive Bayes, Lexicon Based, JogjaKita.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Eko Suprapti
Date Deposited:	18 Mar 2025 02:03
Last Modified:	18 Mar 2025 02:03
URI:	http://eprints.upnyk.ac.id/id/eprint/42241

Actions (login required)

View Item