ANALISIS SENTIMEN PADA APLIKASI PEDULI LINDUNGI MENGGUNAKAN MACHINE LEARNING DENGAN ALGORITMA NAîVE BAYES

JONATHAN BONAR

Informasi Umum

Kode

23.04.1591

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Application Programming,

Dilihat

290 kali

Informasi Lainnya

Abstraksi

Coronavirus Disease (COVID-19) terjadi pertama kali di Cina pada Desember 2019 dan menyebar dengan cepat ke lebih dari 121 negara termasuk Indonesia. WHO resmi menyatakan COVID-19 sebagai pandemi pada 11 Maret 2020. Pemerintah Indonesia juga menyatakan COVID-19 sebagai bencana nasional non-alam. Dalam upaya menghentikan penyebaran COVID-19 di Indonesia, pemerintah mengembangkan dan resmi meluncurkan aplikasi yang bernama PeduliLindungi. Aplikasi PeduliLindungi adalah sebuah aplikasi yang dikembangkan untuk membantu pemerintah menghentikan penyebaran COVID-19. Seiring perkembangannya aplikasi PeduliLindungi tidak hanya dapat melakukan pelacakan tetapi dapat membantu pendistribusian vaksin. Seiring berjalannya aplikasi PeduliLindungi banyak masyarakat menyampaikan opini mereka mengenai aplikasi tersebut lewat kolom komentar pada Google Play. Dari permasalahan yang ada perlu adanya solusi seperti anlisis sentimen terhadap review dari masyarakat terhadap aplikasi PeduliLindungi sehingga didapatkan informasi sentimen terkait aplikasi tersebut. Analisis sentimen sangat dibutuhkan oleh developer dalam pengembangan aplikasi.Opini-opini tersebut yang kemudian dianalisis untuk mengidentifikasi sentimen masyarakat terhadap aplikasi PeduliLindungi. Pada penelitian ini algoritma yang digunakan adalah algoritma Naïve Bayes yang diterapakan untuk analisis sentimen pada review aplikasi PeduliLindungi yang didapatkan dari kolom komentar yang terdapat pada Google Play. Hasil confusion matrix dari penelitian ini yaitu dengan perbandingan data training dan data testing sebesar 80:20 didapatkan hasil accuracy sebesar 84%, precision dengan rata-rata sebesar 84.3%, recall dengan rata-rata sebesar 84%, dan f1-score dengan rata-rata sebesar 84.3%. Hasil precision, recall, dan F1-score dapat dikatakan memiliki hasil yang baik. Untuk hasil K-Folds Cross Validation rata-rata accuracy dari percobaan ke-0 sampai ke-9 adalah sebesar 85%.