Analisis Sentimen Data Ulasan Aplikasi Pegadaian Digital Menggunakan Metode Support Vector Machine
Kata Kunci:
analisis sentimen, ulasan, Pegadaian Digital, Support Vector MachineAbstrak
Penelitian bertujuan untuk menganalisis data ulasan pengguna aplikasi Pegadaian Digital. Penelitian ini menggunakan metode klasifikasi Support Vector Machine. Pegadaian Digital adalah aplikasi mobile dan web yang memungkinkan transaksi Pegadaian secara online, tersedia di Google Play dengan 3.7 dari skala 5 (per 5 Mei 2024), menunjukkan ketidakpuasan pengguna. Data ulasan diambil melalui web scraping dan diproses dengan preprocessing untuk persiapan data. Selanjutnya, ulasan diberi label sesuai sentimen, dan metode TF-IDF digunakan untuk pembobotan kata, mengubah dokumen menjadi vektor representatif. SVM kemudian membangun model untuk memprediksi kategori dari data. Tahap pengujian pada penelitian ini akan menguji parameter, confusion matrix, dan K-Fold Cross Validation, yang kemudian di analisis. Hasil pengujian menunjukkan performa yang baik dengan data dibagi menjadi 90% pelatihan dan 10%. Perbandingan parameter menunjukkan parameter C=1, dan max_iter=200 memiliki akurasi tertinggi. Pengujian K-Fold Cross Validation menggunakan kernel linear menghasilkan rata-rata accuracy 92.52%, precision 92.53%, recall 92.52%, dan f1-Score 92.51%. Hasil analisis akan menghasilkan hasil akhir berupa Root Cause Analysis yang berbentuk diagram fishbone. Hasil Root Cause Analysis pada penelitian ini menemukan 4 permasalahan, seperti aplikasi lambat, kesulitan masuk akun atau login, upgrade akun gagal, tabungan emas tidak masuk.
Referensi
Amalia, A., Lydia, M. S., Fadilla, S. D., & Huda, M. (2018). Perbandingan Metode Klaster dan Preprocessing Untuk Dokumen Berbahasa Indonesia. Jurnal Rekayasa Elektrika, 14(1), 35-42.
Buntoro, G. A. (2017). Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter. INTEGER: Journal of Information Technology, 2(1).
Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Jurnal Ilmiah Edutic: Pendidikan dan Informatika, 7(1), 1-11.
Herwijayanti, B., Ratnawati, D. E., & Muflikhah, L. (2018). Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(1), 306-312.
Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(6), 1120-1126.
Josi, A., & Abdillah, L. A. (2014). Penerapan teknik web scraping pada mesin pencari artikel ilmiah. arXiv preprint arXiv:1410.5777.
Kuswardana, A., Mayangsari, N. E., & Amrullah, H. N. (2017). Analisis Penyebab Kecelakaan Kerja Menggunakan Metode Rca (Fishbone Diagram Method And 5 €“Why Analysis) Di Pt. Pal Indonesia. In Conference on Safety Engineering and Its Application (Vol. 1, No. 1, pp. 141-146).
Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45-51.
Rahman, M. F., Alamsah, D., Darmawidjadja, M. I., & Nurma, I. (2017). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN). Jurnal Informatika, 11(1), 36.
Santicho, D., & Dewa, C. K. (2023). Pengembangan Sistem Pengelolaan Rapat Menggunakan Django Framework Pada Prosa Meemo. AUTOMATA, 4(1).
Amalia, A., Lydia, M. S., Fadilla, S. D., & Huda, M. (2018). Perbandingan Metode Klaster dan Preprocessing Untuk Dokumen Berbahasa Indonesia. Jurnal Rekayasa Elektrika, 14(1), 35-42.
Buntoro, G. A. (2017). Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter. INTEGER: Journal of Information Technology, 2(1).
Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Jurnal Ilmiah Edutic: Pendidikan dan Informatika, 7(1), 1-11.
Herwijayanti, B., Ratnawati, D. E., & Muflikhah, L. (2018). Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2(1), 306-312.
Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(6), 1120-1126.
Josi, A., & Abdillah, L. A. (2014). Penerapan teknik web scraping pada mesin pencari artikel ilmiah. arXiv preprint arXiv:1410.5777.
Kuswardana, A., Mayangsari, N. E., & Amrullah, H. N. (2017). Analisis Penyebab Kecelakaan Kerja Menggunakan Metode Rca (Fishbone Diagram Method And 5 €“Why Analysis) Di Pt. Pal Indonesia. In Conference on Safety Engineering and Its Application (Vol. 1, No. 1, pp. 141-146).
Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45-51.
Rahman, M. F., Alamsah, D., Darmawidjadja, M. I., & Nurma, I. (2017). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN). Jurnal Informatika, 11(1), 36.
Santicho, D., & Dewa, C. K. (2023). Pengembangan Sistem Pengelolaan Rapat Menggunakan Django Framework Pada Prosa Meemo. AUTOMATA, 4(1).
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
