PENERAPAN ALGORITMA TF-IDF DAN NAÏVE BAYES UNTUK ANALISIS SENTIMEN BERBASIS ASPEK ULASAN APLIKASI FLIP PADA GOOGLE PLAY STORE
SHEVA ADITYA HELMAYANTI

Informasi Umum

Kode

23.04.6869

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

40 kali

Informasi Lainnya

Abstraksi

<p>Perkembangan internet telah mengubah pola hidup masyarakat secara signifikan, termasuk dalam bidang keuangan. <em>FinTech</em>, merupakan kombinasi antara keuangan dan teknologi, telah menghadirkan berbagai inovasi, salah satunya adalah aplikasi <em>e-wallet</em> atau dompet digital. Salah satu aplikasi dompet digital yang populer adalah Flip, yang menyediakan layanan transfer beda bank secara gratis. Ulasan pengguna mengenai <em>e-wallet</em> ini, yang dapat ditemukan melalui fitur <em>review</em> dan <em>rating</em> di Play Store, dapat dimanfaatkan oleh penyedia layanan untuk meningkatkan kinerja dan inovasi layanan yang ditawarkan. Dalam penelitian ini, dilakukan analisis sentimen berbasis aspek pada ulasan pengguna Flip menggunakan algoritma <em>naïve bayes</em>. Algoritma <em>naïve bayes</em> digunakan untuk mengolah data ulasan dan mengklasifikasikan ulasan berdasarkan aspek tertentu, seperti kecepatan, keamanan, dan biaya. Hasil pengujian menunjukkan bahwa algoritma <em>naïve bayes</em> memiliki akurasi sebesar 0.80 untuk aspek kecepatan, 0.87 untuk aspek keamanan dan aspek biaya. Rata-rata akurasi pada data uji mencapai 0.84. Penelitian ini memberikan wawasan tentang bagaimana pengguna Flip mengulas layanan berdasarkan aspek-aspek tertentu. Informasi ini dapat digunakan oleh penyedia layanan untuk meningkatkan kinerja layanan yang ada dan mengembangkan inovasi baru. Proses <em>labeling </em>data menghasilkan data dengan jumlah sentimen 0 (tidak ada sentimen) paling banyak dibandingkan dengan data dengan sentimen 1 (positif) dan 2 (negatif). Pada aspek kecepatan dan keamanan data dengan sentimen negatif memiliki frekuensi yang lebih besar, sedangkan pada aspek biaya data dengan sentimen positif memiliki frekuensi yang lebih besar. Berdasarkan data tersebut dapat disimpulkan bahwa sistem keamanan dan kecepatan pada aplikasi Flip harus lebih ditingkatkan lagi kepuasan pengguna pada aspek tersebut meningkat. Algoritma <em>naïve bayes</em> terbukti efektif dalam mengklasifikasikan ulasan pengguna dan dapat menjadi alat yang berguna dalam mengolah data ulasan pada aplikasi <em>e-wallet</em> dan layanan serupa.</p>

<p>Kata kunci<strong>—</strong><strong><em>FinTech, e-wallet, ABSA, naïve bayes, ulasan pengguna</em></strong></p>

• III4A4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook