Implementasi Support Vector Machine dan SHAP untuk Analisis Sentimen Ulasan Aplikasi Kompas.com pada Google Play Store

Reynaldo, Reynaldo (2026) Implementasi Support Vector Machine dan SHAP untuk Analisis Sentimen Ulasan Aplikasi Kompas.com pada Google Play Store. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (645kB)
	PDF BAB_I.pdf Download (240kB)
	PDF BAB_II.pdf Download (368kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (236kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (219kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000068706_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Meningkatnya jumlah pengguna internet di Indonesia berbanding lurus dengan banyaknya ulasan pengguna terhadap aplikasi media daring, termasuk aplikasi Kompas.com di Google Play Store, yang dapat dianalisis untuk memahami persepsi pengguna. Penelitian ini mengimplementasikan model Support Vector Machine (SVM) dengan fitur Word TF-IDF (n-gram 1,2; 15.000 fitur) untuk melakukan analisis sentimen terhadap 2.640 ulasan aplikasi Kompas.com, didukung pipeline preprocessing teks Bahasa Indonesia delapan tahapan dengan inovasi negation marking, serta metode SHapley Additive Explanations (SHAP) untuk interpretabilitas model. Tiga varian kernel SVM (Linear, RBF, Polynomial) dioptimasi menggunakan GridSearchCV dengan Stratified K-Fold (k=5). Hasil pengujian pada 528 data uji menunjukkan SVM Linear (C=0,1) memberikan performa terbaik dengan accuracy dan F1-score macro sebesar 0,8030, sedikit mengungguli SVM RBF dan Polynomial yang masing-masing memperoleh 0,7973. Analisis SHAP mengungkapkan bahwa kata-kata terkait iklan, performa aplikasi (loading, force close), dan kualitas konten merupakan kontributor utama sentimen negatif pengguna. Penelitian ini menyimpulkan bahwa kombinasi SVM, TF-IDF, dan SHAP efektif menghasilkan model analisis sentimen yang akurat sekaligus interpretatif.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Reynaldo, Reynaldo (00000068706)
Contributors:	Gunawan, Dennis
Keywords:	Analisis sentimen, Google Play Store, Negation Marking, SHAP, Support Vector Machine
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	27 Jul 2026 11:59
URI:	https://kc.umn.ac.id/id/eprint/48245

Actions (login required)

View Item