ANALISIS SENTIMEN PENGGUNA APLIKASI OCTO MOBILE BY CIMB NIAGA DI GOOGLE PLAY STORE MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) DAN SUPPORT VECTOR MACHINE (SVM)

SIMAMORA, SATYA KRISTIAN PERWIRA (2025) ANALISIS SENTIMEN PENGGUNA APLIKASI OCTO MOBILE BY CIMB NIAGA DI GOOGLE PLAY STORE MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) DAN SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Mercu Buana - Menteng.

	Text (FILE COVER) 41821010117 - Satya Kristian - 01 Cover - Satya Kristian Perwira Simamora.pdf Download (432kB)
	Text (BAB I) 41821010117 - Satya Kristian - 02 Bab 1 - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (350kB)
	Text (BAB II) 41821010117 - Satya Kristian - 03 Bab 2 - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (477kB)
	Text (BAB III) 41821010117 - Satya Kristian - 04 Bab 3 - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (321kB)
	Text (BAB IV) 41821010117 - Satya Kristian - 05 Bab 4 - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 41821010117 - Satya Kristian - 06 Bab 5 - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (261kB)
	Text (DAFTAR PUSTAKA) 41821010117 - Satya Kristian - 07 Daftar Pustaka - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (275kB)
	Text (LAMPIRAN) 41821010117 - Satya Kristian - 08 Lampiran - Satya Kristian Perwira Simamora.pdf Restricted to Registered users only Download (711kB)

Abstract

Penurunan rating aplikasi Octo Mobile by CIMB Niaga di Google Play Store menunjukkan adanya ketidakpuasan pengguna, namun permasalahan utamanya adalah belum teridentifikasinya penyebab spesifik di balik penurunan tersebut. Penelitian ini menawarkan solusi dengan menerapkan pendekatan analisis gabungan: menggunakan Support Vector Machine (SVM) untuk mengklasifikasikan sentimen secara akurat, dan Latent Dirichlet Allocation (LDA) untuk mengekstrak topik utama sebagai akar penyebab keluhan. Metode yang dijalankan meliputi perbandingan enam algoritma pada 22.389 ulasan melalui validasi silang 10-fold, yang dilanjutkan dengan pemodelan topik. Hasilnya, SVM terbukti sebagai model terbaik dengan akurasi 95%, dan LDA berhasil mendiagnosis keluhan utama pada topik “Aksesibilitas Akun” dan “Fungsionalitas Aplikasi” yang frekuensinya melonjak pada versi 3.0 dan 3.1. Kombinasi metode ini terbukti efektif memberikan diagnosis masalah yang jelas dan wawasan yang dapat ditindaklanjuti oleh pengembang. Kata Kunci: Analisis Sentimen, Support Vector Machine, Latent Dirichlet Allocation, Ulasan Pengguna, Octo Mobile by CIMB Niaga

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41821010117
Uncontrolled Keywords:	Analisis Sentimen, Support Vector Machine, Latent Dirichlet Allocation
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 > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.5 General Purpose Application Programs/Program Aplikasi dengan Kegunaan Khusus 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 651 Office Services/Layanan Kantor > 651.8 Computer Application for Office Management/Aplikasi Komputer untuk Manajemen Perkantoran
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	anggitto Surya Hadi Perpus Meruya
Date Deposited:	11 Aug 2025 06:18
Last Modified:	11 Aug 2025 06:18
URI:	http://repository.mercubuana.ac.id/id/eprint/96760

Actions (login required)

View Item