Aspect-Based Sentiment Analysis pada Ulasan Aplikasi Menggunakan Convolutional Neural Network (Studi Kasus: PeduliLindungi)

Arta Aritonang, Putri (2022) Aspect-Based Sentiment Analysis pada Ulasan Aplikasi Menggunakan Convolutional Neural Network (Studi Kasus: PeduliLindungi). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (920kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (232kB) | Preview
Preview	PDF BAB_I.pdf Download (297kB) | Preview
Preview	PDF BAB_II.pdf Download (618kB) | Preview
Preview	PDF BAB_III.pdf Download (488kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (973kB)
Preview	PDF BAB_V.pdf Download (285kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Sebagai aplikasi yang wajib digunakan semasa pandemi COVID-19 oleh masyarakat Indonesia, PeduliLindungi seyogianya memiliki kualitas dan layanan prima untuk penggunanya. Namun per Desember 2021, sentimen dari pengguna terhadap kualitas dan layanan aplikasi PeduliLindungi masih rendah yaitu dengan rating aplikasi sebesar 3.6 dari skala 5 pada Google Play Store. Penelitian ini menggunakan teknik text mining untuk tugas Aspect-Based Sentiment Analysis (ABSA) pada ulasan aplikasi PeduliLindungi, yaitu analisis sentimen berdasarkan kategori aspek pada aplikasi. Penelitian ini bertujuan untuk mengetahui sentimen pada setiap aspek aplikasi, dan memberikan wawasan serta pengetahuan dalam meningkatkan kualitas aplikasi PeduliLindungi. Metode ABSA yang dipakai pada penelitian ini adalah pengklasifikasian aspek dan sentimen menggunakan algoritma Convolutional Neural Network (CNN). Hasil penelitian menunjukkan bahwa model CNN mampu menghasilkan performa yang baik dengan nilai F1 score sebesar 92.23% pada klasifikasi aspek dan 95.13% pada klasifikasi sentimen. Hasil pemodelan sentimen pengguna menunjukkan dominasi sentimen negatif pada kedelapan aspek aplikasi yaitu Visual Experience, Scan ­ Checkin/Out, Sertifikat Vaksin, eHac, Tes COVID, Register/Login, Performance and Stability, dan Privacy, Data, and Security.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Aspect-Based Sentiment Analysis, Convolution Neural Network, Klasifikasi Teks, PeduliLindungi, Text Mining.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 003 Systems (Computer Modeling and Simulation)
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 04:23
Last Modified:	06 Jul 2023 08:17
URI:	https://kc.umn.ac.id/id/eprint/22360

Actions (login required)

View Item