Analisis Sentimen pada Aplikasi WeTV dengan Metode Naive Bayes, Decision Tree, dan Random Forest

Steven Putra Mareby, Yeremia (2024) Analisis Sentimen pada Aplikasi WeTV dengan Metode Naive Bayes, Decision Tree, dan Random Forest. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (308kB)
	PDF BAB_II.pdf Download (586kB)
	PDF BAB_III.pdf Download (345kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (246kB)
	PDF DAFTAR_PUSTAKA.pdf Download (287kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Adanya peningkatan dari penggunaan internet di Indonesia khususnya pada pembayaran konten digital pada tahun 2023 lalu. Sejak saat itu penggunaan aplikasi khususnya streaming semakin meningkat karena sudah sebagai kebutuhan dari setiap masyarakat untuk mendapatkan hiburan seperti nonton atau streaming melalui gawai. Oleh sebab itu, tujuan dari penelitian ini adalah untuk mengidentifikasi mayoritas sentimen dari ulasan pengguna pada WeTV, sebuah aplikasi streaming terkenal di Indonesia yang masih baru belakangan ini hadir pada tahun 2018 yang mampu bersaing dengan aplikasi streaming besar di Indonesia dengan memuncaki top 6 khusus penggunaan aplikasi streaming terbanyak di Indonesia. Metode yang diterapkan meliputi dari penggunaan algoritma Naïve Bayes, Decision Tree, dan Random Forest. Berdasarkan ketiga algoritma tersebut, model dengan peforma terbaik yaitu Naïve Bayes kemudian Random Forest dan Decision Tree. Hasil dari penelitian menunjukkan bahwa mayoritas pendapat pengguna terhadap aplikasi WeTV cenderung negatif. Dalam model digunakan dari ketiga algoritma yaitu Naïve Bayes yang merupakan algoritma terbaik dengan memiliki akurasi sebesar 79,1%. Setelah dilakukan akurasi model dari Naïve Bayes akan digunakan dalam deployment untuk website sederhana yang dapat dipakai oleh pengguna.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis sentimen, Decision Tree, Naïve Bayes, Random Forest, WeTV.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:05
Last Modified:	09 Nov 2024 11:05
URI:	https://kc.umn.ac.id/id/eprint/33725

Actions (login required)

View Item