Analisis Sentimen Review Aplikasi Spotify untuk Rekomendasi Peningkatan Layanan Menggunakan Metode Support Vector Machine dan Naive Bayes

Dewi Chandra Asih, Kumala (2024) Analisis Sentimen Review Aplikasi Spotify untuk Rekomendasi Peningkatan Layanan Menggunakan Metode Support Vector Machine dan Naive Bayes. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (449kB)
	PDF BAB_I.pdf Download (227kB)
	PDF BAB_II.pdf Download (487kB)
	PDF BAB_III.pdf Download (302kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (182kB)
	PDF DAFTAR_PUSTAKA.pdf Download (277kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Perkembangan teknologi telah membawa perubahan mendasar dalam cara masyarakat menikmati musik, terutama melalui kemunculan aplikasi streaming seperti Spotify yang telah meraih popularitas luar biasa dikalangan generasi milenial. Peningkatan pengguna Spotify mempengaruhi jumlah ulasan, baik yang bersifat positif maupun negatif. Ulasan pengguna berguna untuk memahami kepuasan pengguna terhadap layanan Spotify dan meningkatkan kualitas layanan dengan merespons masukan pengguna. Penelitian ini bertujuan untuk melakukan perbandingan metode antara metode Support Vector Machine dan Naive Bayes dalam analisis sentimen terhadap ulasan aplikasi Spotify. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Spotify yang diambil dari Google Play Store, terdiri dari 2500 data. Ulasan dianalisis dari sentimen negatif. Perbandingan dilakukan antara dua model algoritma, yaitu Support Vector Machine dan Naive Bayes. SVM mencari hyperplane terbaik untuk memisahkan data ke dalam kelas-kelas. Naive Bayes mengasumsikan independensi antar fitur dan digunakan untuk analisis teks dan sentimen. Berdasarkan pengujian dan evaluasi yang dilakukan, ditemukanbahwa algoritma Naïve Bayes memiliki akurasi yang lebih tinggi dibandingkan dengan Support Vector Machine. Naïve Bayes memiliki Tingkat akurasi 82.40% sedangkan algoritma Support Vector Machine memiliki Tingkat akurasi sebesar 79.60%. Oleh karena itu, penggunaan algoritma Naïve Bayes dapat diterapkan dalam analisis sentimen untuk mendukung peningkatan layanan aplikasi Spotify di masa mendatang. Hasil analisis ulasan tersebut akan digunakan untuk peningkatan kualitas aplikasi Spotify ke depannya agar terus memberikan kualitas terbaik bagi para pengguna

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Analisis Sentimen, Naïve Bayes, Spotify, Support Vector Machine, Streaming music
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 12:01
Last Modified:	09 Nov 2024 12:01
URI:	https://kc.umn.ac.id/id/eprint/33953

Actions (login required)

View Item