STUDI ANALISIS SENTIMEN PADA APLIKASI SPOTIFY: STUDI KASUS UNTUK MENGETAHUI PREFERENSI PENGGUNA BERDASARKAN REVIEW DAN KOMENTAR DI X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN RANDOM FOREST

KURNIAWAN, MUHAMMAD FARIS (2025) STUDI ANALISIS SENTIMEN PADA APLIKASI SPOTIFY: STUDI KASUS UNTUK MENGETAHUI PREFERENSI PENGGUNA BERDASARKAN REVIEW DAN KOMENTAR DI X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN RANDOM FOREST. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (COVER) 41521010123-Muhammad Faris Kurniawan-01 Cover - Muhammad Faris Kurniawan.pdf Download (262kB)
	Text (BAB I) 41521010123-Muhammad Faris Kurniawan-02 BAB 1 - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (40kB)
	Text (BAB II) 41521010123-Muhammad Faris Kurniawan-03 BAB 2 - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (70kB)
	Text (BAB III) 41521010123-Muhammad Faris Kurniawan-04 BAB 3 - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (83kB)
	Text (BAB IV) 41521010123-Muhammad Faris Kurniawan-05 BAB 4 - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (382kB)
	Text (BAB V) 41521010123-Muhammad Faris Kurniawan-06 BAB 5 - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (34kB)
	Text (DAFTAR PUSTAKA) 41521010123-Muhammad Faris Kurniawan-07 Daftar Pustaka - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (51kB)
	Text (LAMPIRAN) 41521010123-Muhammad Faris Kurniawan-08 Lampiran - Muhammad Faris Kurniawan.pdf Restricted to Registered users only Download (652kB)

Abstract

Penelitian ini berjudul "Studi Analisis Sentimen pada Aplikasi Spotify: Studi Kasus untuk Mengetahui Preferensi Pengguna Berdasarkan Review dan Komentar di X Menggunakan Algoritma Naïve Bayes dan Random Forest". Tujuan dari penelitian ini adalah Menguji dan membandingkan performa algoritma Naïve Bayes dan Random Forest dalam klasifikasi sentimen ulasan pengguna, baik dari segi akurasi maupun efisiensi pemrosesan. Penelitian ini membatasi analisis pada data yang diambil dari platform X dan hanya akan mempertimbangkan sentimen yang terbagi dalam dua kategori utama: positif dan negatif. Metode yang digunakan dalam penelitian ini adalah algoritma Naïve Bayes dan Random Forest, yang diterapkan untuk membandingkan efektivitas kedua algoritma dalam klasifikasi sentimen. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang berguna bagi industri musik digital dalam memahami preferensi pengguna serta meningkatkan strategi promosi yang sesuai. Penelitian ini juga menekankan pentingnya preprocessing data, termasuk pembersihan data, case folding, tokenisasi, dan stemming, untuk meningkatkan akurasi analisis sentimen. The purpose of this research is to test and compare the performance of the Naïve Bayes and Random Forest algorithms in classifying user sentiment reviews, focusing on both accuracy and processing efficiency. This study limits its analysis to data obtained from platform X and will only consider sentiment divided into two main categories: positive and negative. The methods used in this research are the Naïve Bayes and Random Forest algorithms, which are applied to compare the effectiveness of both algorithms in sentiment classification. The results of this research are expected to provide valuable insights for the digital music industry in understanding user preferences and improving promotional strategies accordingly. This study also emphasizes the importance of data preprocessing, including data cleaning, case folding, tokenization, and stemming, to enhance the accuracy of sentiment analysis.

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41521010123
Uncontrolled Keywords:	Analisis Sentimen, Ulasan Spotify, Algoritma Sentiment Analysis, Spotify Reviews, Algorithms
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:	NAIMAH NUR ISLAMIDIYANAH
Date Deposited:	19 Aug 2025 02:33
Last Modified:	19 Aug 2025 02:33
URI:	http://repository.mercubuana.ac.id/id/eprint/96871

Actions (login required)

View Item