PENERAPAN NATURAL LANGUAGE PROCESSING UNTUK ANALISIS SENTIMEN TERHADAP APLIKASI STREAMING
Bahasa Indonesia
DOI:
https://doi.org/10.36050/betrik.v14i02%20AGUSTUS.96Keywords:
Neuro linguistic programming, Sentiment Analysis, Applications streamingAbstract
Aplikasi video streaming seperti Viu, Viki, dan WeTV sangat populer karena memberikan akses yang mudah dan nyaman bagi pengguna untuk menonton konten multimedia mereka. Menurut data dari Google Play Store per akhir tahun 2022, Viu, Viki, dan WeTv adalah layanan streaming teratas. VIU telah menerima lebih dari 100 juta unduhan dan 993.000 ulasan, Viki telah menerima lebih dari 50 juta unduhan dan 899.000 ulasan, dan WeTV telah menerima lebih dari 50 juta unduhan dan 545.000 ulasan meskipun dinilai terbaik dan menerima peringkat 5. Sangat penting untuk terus menilai seberapa baik layanan disampaikan kepada pengguna karena peringkat dan jumlah ulasan tidak selalu berarti bahwa tuntutan atau masalah pengguna telah terpenuhi. diperlukan sistem untuk memproses semua input pengguna, termasuk peringkat dan komentar. Untuk memastikan pengalaman yang baik bagi pengguna, penting bagi pengembang aplikasi untuk memahami perasaan dan harapan pengguna. karena itu, dilakukan penelitian untuk Analisis Sentimen terhadap Aplikasi Streaming Video menggunakan Pendekatan Support Vector Machine (SVM). Data diambil melalui proses scraping yang didasarkan pada informasi dari Google Play Store , pada aplikasi Viu, Viki, dan WeTv dengan jumlah 2400 data. Berdasarkan data yang ditemukan ulasan terbanyak terdapat pada ulasan tidak konsisten sebesar 89.5% dengan jumlah 2399 data. kemudian, pada ulasan dengan menggunakan diagram pie chart berdasarkan jam, data tersebut menggambarkan jumlah ulasan pada setiap jam terlihat bahwa jam 14.00 memiliki jumlah ulasan terbanyak dengan 7.4%. Pada penelitian ini diperoleh hasil berupa akurasi untuk pengujian model Regresi Logistik adalah 0,90 untuk data pelatihan dan 0,89 untuk data pengujian, selanjutnya pada pengujian model Decision Treedidapatkan hasil akurasi sempurna pada data latih sebesar 1.0, dan pada data uji sebesar 1.0.dan Hasil untuk pengujian akurasi menggunakan model SVM adalah 0,968 untuk data pelatihan dan 0,910 untuk data pengujian.
References
D. S. Utami and A. Erfina, “Analisis Sentimen Pinjaman Online di Twitter Menggunakan Algoritma Support Vector Machine (SVM),” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., vol. 1, no. 1, pp. 299–305, 2021.
A. Andreyestha and A. Subekti, “Analisa Sentiment Pada Ulasan Film Dengan Optimasi Ensemble Learning,” J. Inform., vol. 7, no. 1, pp. 15–23, 2020, doi: 10.31311/ji.v7i1.6171.
M. R. Nadhif, D. Wisnu Brata, and B. Rahayudi, “Analisis Sentimen Data Ulasan Pengguna Aplikasi TIX ID di Indonesia pada Google Play Store menggunakan Support Vector Machine,” vol. 6, no. 8, pp. 3932–3937, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
M. T. Anjasmoros, I. Istiadi, and F. Marisa, “Analisis Sentimen Aplikasi Go-Jek Menggunakan Metode SVM Dan NBC (Studi Kasus: Komentar Pada Play Store),” Conf. Innov. Appl. Sci. Technol. (CIASTECH 2020), no. Ciastech, pp. 489–498, 2020.
K. Kelvin, J. Banjarnahor, E. I. -, and M. NK Nababan, “Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM),” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 5, no. 2, pp. 47–52, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365.
N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.
R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” J. Inform., vol. 8, no. 2, pp. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.
W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” vol. 2, no. 11, pp. 4704–4713, 2018.
J. Nurvania and K. M. Lhaksamana, “Analisis Sentimen Pada Ulasan di TripAdvisor Menggunakan Metode Long Short-Term Memory ( LSTM ),” vol. 8, no. 4, pp. 4124–4135, 2021.
F. Sodik and I. Kharisudin, “Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” vol. 4, pp. 628–634, 2021.
M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
V. Melinda and M. Zainil, “Penerapan Model Project Based Learning untuk Meningkatkan Kemampuan Komunikasi Matematis Siswa Sekolah Dasar ( Studi Literatur ),” J. Pendidik. tambusai, vol. 4, pp. 1526–1539, 2020, [Online]. Available: https://jptam.org/index.php/jptam/article/download/618/545
S. N. Lase, Y. Yenny, O. Owen, M. Turnip, and E. Indra, “Application of Data Mining To Predicate Stock Price Using Long Short Term Memory Method,” Infokum, vol. 10, no. 2, pp. 1001–1005, 2022, [Online]. Available: http://infor.seaninstitute.org/index.php/infokum/article/view/454
S. Dey, S. Wasif, D. S. Tonmoy, S. Sultana, J. Sarkar, and M. Dey, “A Comparative Study of Support Vector Machine and Naive Bayes Classifier for Sentiment Analysis on Amazon Product Reviews,” 2020 Int. Conf. Contemp. Comput. Appl. IC3A 2020, no. May, pp. 217–220, 2020, doi: 10.1109/IC3A48958.2020.233300.
D. T. Husni et al., “Analisis Big Data Penjualan Video Games Mengunakan Eda,” J. Tek. Inf. dan Komput., vol. 5, no. 1, p. 43, 2022, doi: 10.37600/tekinkom.v5i1.517.
E. H. Muktafin, K. Kusrini, and E. T. Luthfi, “Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing,” J. Eksplora Inform., vol. 10, no. 1, pp. 32–42, 2020, doi: 10.30864/eksplora.v10i1.390.
R. Sitanggang et al., “Sentiment Analysis Compare Linear Regression and Decision Tree Regression Algorithm To Determine Film Rating Accuracy,” Infokum, vol. 10, no. 2, pp. 880–890, 2022.
H. Christanto, J. Rahmad, S. H. Sinurat, and D. Ryan, “Analisis Perbandingan Decision Tree , Support Vector Machine , dan Xgboost dalam Mengklasifikasi Review Hotel Trip Advisor,” vol. 9, no. 1, pp. 306–319, 2023.
S. I. Nurhafida and F. Sembiring, “Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM),” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 317–327, 2022.
A. Triayudi and W. O. Widyarto, “Comparison J48 and Naïve Bayes Methods in Educational Analysis,” J. Phys. Conf. Ser., vol. 1933, no. 1, pp. 15–20, 2021, doi: 10.1088/1742-6596/1933/1/012062.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Paskariawan br Sihotang, Fanny Dameka br Sitanggang, Nadila Azriansyah, Evta Indra
This work is licensed under a Creative Commons Attribution 4.0 International License.
