MAHFUD, HABIB HARIS WIBISONO (2023) ANALISIS SENTIMEN TERHADAP APLIKASI MAXIM PADA GOOGLE PLAY STORE MENGGUNAKAN SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR. S1 thesis, Universitas Mercu Buana Bekasi.
|
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 01 Cover.pdf Download (730kB) | Preview |
|
|
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 02 Abstrak.pdf Download (297kB) | Preview |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 03 Bab 1.pdf Restricted to Registered users only Download (424kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 04 Bab 2.pdf Restricted to Registered users only Download (387kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 05 Bab 3.pdf Restricted to Registered users only Download (632kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 06 Bab 4.pdf Restricted to Registered users only Download (618kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 07 Bab 5.pdf Restricted to Registered users only Download (266kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 08 Daftar Pustaka.pdf Restricted to Registered users only Download (424kB) |
|
![]() |
Text
41519210077 - HABIB HARIS WIBISONO MAHFUD - 09 Lampiran.pdf Restricted to Registered users only Download (990kB) |
Abstract
Pada Google Play Store terdapat banyak sekali aplikasi yang dapat digunakan, namun sebelum mengunduh aplikasi tersebut, pengguna akan membaca terlebih dahulu terkait review dari pengguna lain yang sudah menggunakan aplikasinya. Hal ini membuat analisis review pengguna sangat berpengaruh bagi pengguna lain yang ingin mengunduh aplikasi tersebut dan juga sangat penting bagi pemilik aplikasi untuk dapat mengambil keputusan serta melakukan evaluasi. Maxim merupakan salah satu aplikasi perusahaan layanan pemesanan transportasi online yang berasal dari Rusia. Dengan semakin banyaknya pengguna aplikasi Maxim membuat perusahaan harus menjaga dan meningkatkan mutu pelayanannya. Oleh karena itu, penelitian ini bertujuan untuk menganalisis review para pengguna aplikasi Maxim pada Google Play Store dengan analisis sentimen yang menggunakan metode yang menggunakan algoritma Support Vector Machine (SVM) dan K- Nearest Neighbor (K-NN). Data yang digunakan yaitu sebanyak 2.739 data yang telah dikumpulkan dari review para pengguna. Pada penelitian ini telah terbukti hasil perhitungan dari algoritma SVM memiliki nilai accurasy sebesar 96% sedangkan pada algoritma K-NN memiliki hasil accurasy sebesar 86%. On the Google Play Store there are lots of applications that can be used, but before downloading the application, users will first read reviews from other users who have used the application. This makes user review analysis very influential for other users who want to download the application and is also very important for application owners to be able to make decisions and evaluate. Maxim is an online transportation ordering service company application originating from Russia. With the increasing number of users of the Maxim application, companies must maintain and improve the quality of their services. Therefore, this study aims to analyze the reviews of Maxim application users on the Google Play Store with sentiment analysis using methods that use the Support Vector Machine (SVM) and K-Nearest Neighbor (K-NN) algorithms. The data used is as much as 2,739 data that has been collected from user reviews. In this study, it has been proven that the calculation results of the SVM algorithm have an accurasy value of 96% while the K-NN algorithm has an accurasy result of 86%.
Item Type: | Thesis (S1) |
---|---|
Call Number CD: | FIK/INFO 23 010 |
NIM/NIDN Creators: | 41519210077 |
Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
Divisions: | Fakultas Ilmu Komputer > Informatika |
Depositing User: | siti maisyaroh |
Date Deposited: | 18 Dec 2023 06:32 |
Last Modified: | 18 Dec 2023 06:32 |
URI: | http://repository.mercubuana.ac.id/id/eprint/84750 |
Actions (login required)
![]() |
View Item |