Zahrah, Violita Aditya (2024) ANALISIS SENTIMEN ULASAN PENGGUNA GOOGLE MAPS PADA PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN PEMODELAN TOPIK LATENT DIRICHLET ALLOCATION (LDA). S1 thesis, Universitas Malikussaleh.

	Text VIOLITA ADITYA ZAHRAH_200170130_COVER.pdf Download (68kB)
	Text VIOLITA ADITYA ZAHRAH_200170130_ABSTRAK.pdf Download (43kB)
	Text VIOLITA ADITYA ZAHRAH_200170130_BAB I.pdf Download (128kB)
	Text VIOLITA ADITYA ZAHRAH_200170130_DAFTAR PUSTAKA.pdf Download (186kB)
	Text VIOLITA ADITYA ZAHRAH_200170130_ANALISIS SENTIMEN ULASAN PENGGUNA GOOGLE MAPS PADA PLAY STORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN PEMODELAN TOPIK LDA.pdf Restricted to Registered users only Download (6MB)

Abstract

Belakangan ini, bepergian menjadi lebih mudah dengan memanfaatkan petunjuk arah daring yang mudah diakses seperti Google Maps. Google maps menyediakan rute secara real-time dengan menampilkan dan menyajikan rute terdekat yang dapat ditempuh pengguna. Namun, akhir-akhir ini, rute yang disediakan oleh layanan Google Maps sering membuat pengguna tersesat dengan menyajikan rute seperti hutan, jalan sempit bahkan jalan buntu. Oleh karena itu, penelitian ini bertujuan untuk mengetahui tingkat kepuasan pengguna dan sentimen menjadi 2 kategori yaitu positif dan negatif berdasarkan ulasan pada platform Google Play Store menggunakan algoritma Support Vector Machine (SVM) dan pemodelan topik menggunakan Latent Dirichlet Allocation (LDA) untuk mengetahui kumpulan topik yang menjadi topik utama pembahasan oleh pengguna mengenai layanan Google Maps. Hasil penelitian ini menunjukkan bahwa algoritma SVM layak digunakan pada klasifikasi analisis sentimen dengan nilai akurasi sebesar 86%, presisi 93%, recall 53% dan f1-score 52%. Selain itu, pemodelan topik diterapkan untuk menghasilkan nilai koherensi pada setiap topik, yang menunjukkan bahwa semakin tinggi nilai koherensi maka semakin spesifik topik yang dihasilkan. Nilai koherensi tertinggi yang dihasilkan pada penelitian ini adalah 2 model topik dengan nilai koherensi sebesar 35,15%, namun penelitian ini mengambil lima model topik dengan nilai koherensi sebesar 33,39%. Pemilihan lima model topik untuk diterapkan pada penelitian ini karena memiliki nilai koherensi yang cukup baik untuk mengidentifikasi topik utama dan topik tersembunyi pada ulasan pengguna Google Maps dengan model Latent Dirichlet Allocation. Model topik tersebut menunjukkan lima aspek yang sering dibahas oleh pengguna yaitu, akurasi rute Google Maps, kesalahan sistem dan layanan, petunjuk arah aplikasi navigasi, riwayat timeline yang hilang, dan penyediaan rute yang berbelit-belit.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Vio Violita Aditya Zahrah Violita Aditya Zahrah
Date Deposited:	23 Jan 2025 01:57
Last Modified:	23 Jan 2025 01:57
URI:	https://rama.unimal.ac.id/id/eprint/9389

Actions (login required)

View Item