Analisis Sentimen pada Ulasan Aplikasi Social Media menggunakan Metode Svm dan Decision Tree

Santana Ellysza, Siti Sa'uda

Abstract


Secara umum social media digunakan untuk berbagi informasi dan pendapat, termasuk mengetahui tren baru, berita, hiburan dan topik lainnya. Tiktok adalah platform media sosial yang fokus pada video pendek. X/Twitter adalah platform mikroblogging yang memungkinkan pengguna mengirim dan membaca pesan singkat, sedangkan Instagram yakni platform berbagi foto dan video yang memungkinkan pengguna mengambil, mengedit, dan membagikan gambar serta video pendek. Namun, kedua sistem ini memiliki berbagai Kelemahan yang dialami oleh penggunanya. Dengan mengevaluasi kelemahan-kelemahan tersebut, perusahaan dapat mengidentifikasi masalah pada aplikasinya dan menemukan cara untuk memperbaikinya. Penelitian berikut bertujuan guna menganalisis data ulasan pada aplikasi media sosial Dengan memanfaatkan dua metode, yaitu Support Vector Machine dan Decision Tree. Penelitian berikut akan menentukan metode mana yang lebih efektif dan akurat mengklasifikasi sentimen positif dan dan negatif dari review komentar. Melalui klasifikasi diperoleh hasil akurasi Support Vector Machine sebesar 84.61% untuk aplikasi Tiktok, 86.82% Untuk aplikasi Twitter dan 85.73% untuk aplikasi Instagram, sedangkan metode Decision Tree sebesar 77.98% untuk aplikasi Tiktok, 80.14% untuk aplikasi Twitter, dan 81.71% untuk aplikasi Instagram. erdasarkan hasil analisis, metode Support Vector Machine menunjukkan akurasi yang lebih tinggi daripada metode Decision Tree

Full Text:

PDF

References


D. Affandi and I. Wijayani, “Social Media as Self Existence in Students Using Tiktok Applications,” Dawatuna J. Commun. Islam. Broadcast., vol. 2, no. 3, pp. 300–311, Aug. 2022, doi: 10.47467/dawatuna.v2i3.2108.

A. Aldila Safitri, A. Rahmadhany, and I. Irwansyah, “Penerapan Teori Penetrasi Sosial pada Media Sosial: Pengaruh Pengungkapan Jati Diri melalui TikTok terhadap Penilaian Sosial,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 3, no. 1, pp. 1–9, Jan. 2021, doi: 10.47233/jteksis.v3i1.180.

F. A. Girnanfa and A. Susilo, “Studi Dramaturgi Pengelolaan Kesan Melalui Twitter Sebagai Sarana Eksistensi Diri Mahasiswa di Jakarta,” J. New Media Commun., vol. 1, no. 1, pp. 58–73, Apr. 2022, doi: 10.55985/jnmc.v1i1.2.

N. Istiqomah and F. Novika, “Sentiment Analysis Penyedia layanan Asuransi dari Media Sosial Twitter,” vol. 18, no. 1.

W. Surya Gemilang, P. Purwantoro, and C. Carudin, “ANALISIS SENTIMEN PENGGUNA INSTAGRAM PADA CALON PRESIDEN 2024 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE,” JATI J. Mhs. Tek. Inform., vol. 7, no. 4, pp. 2849–2855, Jan. 2024, doi: 10.36040/jati.v7i4.7256.

C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE,” AITI, vol. 18, no. 2, pp. 173–184, Nov. 2021, doi: 10.24246/aiti.v18i2.173-184.

V. K. S. Que, A. Iriani, and H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization,” J. Nas. Tek. Elektro Dan Teknol. Inf., vol. 9, no. 2, pp. 162–170, May 2020, doi: 10.22146/jnteti.v9i2.102.

M. Alfarizi, M. Rizqy, R. I. Ghufroni, R. D. Saputra, and F. Kurniawan, “Analisis Sentimen Persepsi Publik Terhadap Kasus Bullying Siswa Cilacap Menggunakan Pendekatan Machine Learning,” vol. 4, no. 3, 2023.

C. F. Hasri and D. Alita, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP DAMPAK VIRUS CORONA DI TWITTER,” vol. 3, no. 2.

A. Mustofa and R. Novita, “Klasifikasi Sentimen Masyarakat Terhadap Pemberlakuan Pembatasan Kegiatan Masyarakat Menggunakan Text Mining Pada Twitter,” Build. Inform. Technol. Sci. BITS, vol. 4, no. 1, Jun. 2022, doi: 10.47065/bits.v4i1.1628.

F. Pratama, M. Nasir, and S. Sauda, “Implementasi Metode Klasifikasi Dengan Algoritma Support Vector Machine Untuk Menentukan Stok Persediaan Barang Pada Koperasi Karyawan Pangan Utama,” J. Softw. Eng. Ampera, vol. 1, no. 2, pp. 71–81, May 2020, doi: 10.51519/journalsea.v1i2.46.

M. H. Wicaksono, M. D. Purbolaksono, and S. A. Faraby, “Perbandingan Algoritma Machine Learning untuk Analisis Sentimen Berbasis Aspek pada”.

I. Arfyanti, M. Fahmi, and P. Adytia, “Penerapan Algoritma Decision Tree Untuk Penentuan Pola Penerima Beasiswa KIP Kuliah,” Build. Inform. Technol. Sci. BITS, vol. 4, no. 3, Dec. 2022, doi: 10.47065/bits.v4i3.2275.

R. Ridho, “KLASIFIKASI DIAGNOSIS PENYAKIT COVID-19 MENGGUNAKAN METODE DECISION TREE”.

R. A. Saputra, D. P. Ray, and F. Irwiensyah, “Analisis Sentimen Aplikasi Tokocrypto Berdasarkan Ulasan Pada Google Play Store Menggunakan Metode Naïve Bayes”.




DOI: http://dx.doi.org/10.36448/jsit.v16i2.4455

Refbacks

  • There are currently no refbacks.


About the JournalJournal PoliciesAuthor Information

Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia

This work is licensed under a Creative Commons Attribution 4.0 International License
Technical Support by:  RYE Education Hub