Analisis Sentimen Berbasis Aspek terhadap Ulasan Aplikasi Duolingo Menggunakan Algoritma SVM dan IndoBERT

Lintang Pembayun Pinasti Aji, Aura (2025) Analisis Sentimen Berbasis Aspek terhadap Ulasan Aplikasi Duolingo Menggunakan Algoritma SVM dan IndoBERT. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (585kB)
	PDF BAB_I.pdf Download (298kB)
	PDF BAB_II.pdf Download (400kB)
	PDF BAB_III.pdf Download (399kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (118kB)
	PDF DAFTAR_PUSTAKA.pdf Download (206kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Pada tahun 2022, Indonesia berada di peringkat ke-81 dari 111 negara dalam hal kecakapan berbahasa Inggris, menunjukkan bahwa peningkatan kemampuan berbahasa asing masih menjadi kebutuhan. Salah satu solusi yang digunakan masyarakat adalah Duolingo, aplikasi pembelajaran bahasa asing populer yang telah diunduh lebih dari 100 juta kali di Google Play Store. Meskipun begitu, ulasan pengguna tetap menjadi pertimbangan penting bagi calon pengguna untuk menilai efektivitas aplikasi sebelum mengunduhnya. Penelitian ini melakukan analisis sentimen berbasis aspek terhadap ulasan pengguna Duolingo, mengacu pada pedoman Core App Quality dari Android Developers. Proses analisis dengan framework CRISP-DM dengan menggunakan algoritma Support Vector Machine (SVM) untuk training klasifikasi dan model IndoBERT untuk ekstraksi fitur. Evaluasi performa dilakukan menggunakan metrik seperti accuracy, precision, recall, dan f1-score untuk menilai kemampuan model dalam mengklasifikasikan aspek dan sentimen dari ulasan pengguna. Melalui analisis yang telah dilakukan dengan data ulasan Duolingo di Google Play Store antara tahun 2020 hingga 2024, diperoleh 10,561 data ulasan berbahasa Indonesia yang dikelompokkan ke dalam lima aspek berdasarkan Core App Quality. Hasil analisis menunjukkan bahwa kombinasi SVM dan IndoBERT mampu mencapai akurasi tinggi, yaitu 99% untuk klasifikasi sentimen dan 97% untuk klasifikasi aspek pada dua dataset (dataset 1 dan 2), serta 98% dan 96% pada dataset 3. Meskipun data tidak seimbang, penggunaan metode oversampling ADASYN berhasil meningkatkan performa model secara signifikan. Temuan ini memperlihatkan bahwa Duolingo mendapatkan tanggapan positif dari pengguna, dengan mayoritas ulasan bersentimen positif dan aspek fungsionalitas menjadi aspek yang paling sering dibahas. Penelitian ini membuktikan bahwa penggunaan algoritma SVM dan model IndoBERT pada analisis sentimen opini pengguna efektif dalam mengklasifikasikan sentimen dan aspek secara akurat, serta mampu memahami persepsi pengguna berdasarkan aspek-aspek aplikasi yang dapat digunakan sebagai dasar perbaikan pengembang.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Lintang Pembayun Pinasti Aji, Aura (00000061031)
Contributors:	Evelin Johan, Monika
Keywords:	ADASYN, Aspek, Duolingo, IndoBERT, Sentimen.
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	10 Sep 2025 05:33
URI:	https://kc.umn.ac.id/id/eprint/40402

Actions (login required)

View Item