Implementasi Algoritma Multinomial Naive Bayes untuk Analisis Sentimen User Feedback Aplikasi

Putri Wiratama, Gabriella (2019) Implementasi Algoritma Multinomial Naive Bayes untuk Analisis Sentimen User Feedback Aplikasi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
Preview	Text DAFTAR_PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (892kB) | Preview
Preview	Text BAB_I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (850kB) | Preview
Preview	Text BAB_II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB_III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
	Text BAB_IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text BAB_V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (717kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

User feedback menjadi sarana bagi pengembang aplikasi untuk mencari tahu dan memahami kebutuhan, preferensi, dan keluhan pengguna. Penting bagi pengembang untuk mengidentifikasi persoalan muncul dalam feedback yang diberikan pengguna. Hal ini sangat sulit dilakukan mengingat jumlah feedback yang diterima sebuah aplikasi setiap harinya. Membaca dan mengklasifikasi setiap feedback membutuhkan waktu yang lama dan sangat tidak efektif. Untuk mengatasi permasalahan tersebut, sistem analisis sentimen menggunakan algoritma pengklasifikasi Multinomial Naive Bayes dibuat untuk menentukan apakah suatu feedback memiliki sentimen positif atau negatif. Algoritma Naive Bayes umumnya digunakan untuk klasifikasi karena mudah dan efektif. Berdasarkan penelitian sebelumnya, algoritma Multinomial Naive Bayes memberikan performa terbaik dibandingkan dengan algoritma machine learning tradisional lainnya. Penelitian ini bertujuan untuk mengimplementasikan algoritma Multinomial Naive Bayes pada aplikasi web dengan bahasa pemrograman Python dan web framework Django, serta menghitung akurasi prediksi kelas yang dibuat oleh sistem. Berdasarkan hasil beberapa uji coba, akurasi prediksi kelas yang dievaluasi menggunakan confusion matrix menunjukkan bahwa model dengan perbandingan train dan test set sebesar 70:30 persen, dataset yang seimbang, serta dilakukan over-sampling masing- masing dataset sebesar 100% menghasilkan performa yang paling baik, dengan nilai accuracy 76.54%, precision 93.88%, recall 56.79%, dan F1 score 70.77%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Attribute Weighting, Feature Selection, Multinomial Naive Bayes, Requirement Engineering, User Feedback
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 09:24
Last Modified:	25 Aug 2023 00:08
URI:	https://kc.umn.ac.id/id/eprint/10154

Actions (login required)

View Item