Manuel, Yusack (2021) Opinion Mining Aplikasi Investasi Keuangan Digital di Indonesia menggunakan Model Klasifikasi Teks Hybrid Studi Kasus: Aplikasi Bibit. Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![[img]](https://kc.umn.ac.id/style/images/fileicons/text.png)
Abstract
Dalam era teknologi informasi ini, berbagai sektor di Indonesia telah berkembang ke ranah digital, salah satunya dalam perekonomian. Salah satu hal yang ada dalam dunia perekonomian adalah penanaman modal atau investasi. Dimasa pandemic akibat COVID-19 yang mengakibatkan banyaknya karyawan yang mengalami PHK, investasi bisa menjadi solusi untuk dapat menjaga situasi keuangan tetap bisa stabil dalam kondisi dan situasi yang tidak menentu. Salah satu sarana untuk melakukan investasi yaitu Reksadana yang bisa dilakukan melalui aplikasi bernama Bibit. Jika melakukan penelusuran dengan Google tentang aplikasi investasi, pada bagian kolom suggestion terdapat komentar negatif mengenai aplikasi invetasi, padahal dari review yang terdapat pada Google Play Store untuk aplikasi Bibit menunjukkan review positif yang lebih banyak jika diperhatikan dari rating. Karena itu, butuh penelitian lebih jauh berupa opinion mining pengguna aplikasi Bibit untuk mengetahui klasifikasi sentimen yang benar. Penelitian ini akan menggunakan metode algoritma Naïve Bayes, Support Vector Machine, dan Random Forest untuk mendapatkan prediksi dari analisis sentimen serta dilakukan penggabungan dari hasil prediksi untuk menguji apakah didapatkan hasil akurasi yang lebih baik untuk prediksi. Data yang digunakan merupakan ulasan pengguna aplikasi Bibit berbasis Android pada Google Play Store. Berdasarkan hasil yang didapatkan, komentar pengguna mengenai aplikasi Bibit tersebut, dari Dari 57.751 kata, didapatkan 40.810 (70.67%) adalah kata netral, 13.209 (22.87%) adalah kata positif, dan 3.732 (6,46%) adalah kata negatif. Setelah dilakukan klasifikasi dengan tiga model, didapatkan akurasi sebesar 88,72%. Random Forest dimana sebelumnya memiliki akurasi sebesar 64.91% mengalami peningkatan sebesar 23,81% dan Support Vector Machine sebelumnya memiliki akurasi sebesar 67.12%, mengalami peningkatan sebesar 21.60% sedangkan Naïve Bayes yang sebelumnya memiliki akurasi 93.97%, mengalami penurunan sebesar 5.25%.
| Item Type: | Thesis (Bachelor Thesis) |
|---|---|
| Keywords: | Aplikasi Keuangan Digital, Analisis Sentimen, Bibit, Google Play Store, Naïve Bayes, Random Forest, Support Vector Machine |
| Subjects: | 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 > Information System |
| SWORD Depositor: | Administrator UMN Library |
| Depositing User: | Administrator UMN Library |
| Date Deposited: | 24 Aug 2021 16:37 |
| Last Modified: | 03 Aug 2023 05:02 |
| URI: | https://kc.umn.ac.id/id/eprint/16642 |
Actions (login required)
 |
View Item |
