Mustasruddin, - (2023) KLASIFIKASI SENTIMEN REVIEW APLIKASI MYPERTAMINA MENGGUNAKAN WOR EMBEDDING FASTTEXT DAN SUPPORT VECTOR MACHINE. Klasifikasi Sentiment Review Aplikasi MyPertamina Menggunakan Word Embedding FastText dan SVM (Support Vector Machine), 04 (03). pp. 526-534. ISSN 2685-998X

Preview

Text Jurnal Mustasaruddin.pdf - Published Version Download (19MB) | Preview

Abstract

Aplikasi MyPertamina menjadi syarat untuk membeli Bahan Bakar Minyak (BBM) subsidi yaitu pertalite dan solar, tujuannya supaya pembelian (BBM) subsidi tepat sasaran. Aplikasi MyPertamina banyak mendapat penilaian dan komentar terhadap masyarakat baik dari sisi positif dan negatif, dengan komentar dan penilaian ini diharapkan dapat membantu pemerinta sebagai tolak ukur dalam melaksanakan suatu program. Oleh sebab itu, penelitian kali ini bertujuan menilai aplikasi MyPertamina dengan pengelompokan kelas sentiment 90:10, 80:20 dan 70:30. Dalam penelitian ini, metode yang digunakan Fasttext dan Support Vector Machine (SVM) untuk review aplikasi MyPertamina. Penelitian kali ini menggunakan data sebanyak 8000, data dikelompokkan menjadi tiga porsi data, dengan porsi 90:10, 80:20 dan 70:30. Diperoleh model terbaik SVM dengan porsi data 90:10 dengan jumlah data training 7200 dan 800 data testing, didapat akurasi 80%, recall 50% dan precision 84% tanpa undersampling. Sedangkan jika jumlah data diseimbangkan (undersampling) dengan jumlah data positif 1325, netral 1325 dan negatif 1325, yaitu dengan patokan nilai data terendah dari kelas sentiment diperoleh akurasi sebesar 67%, recall 69% dan precision 57%. Jumlah kelas sentiment yang paling banyak dari porsi data 90:10 adalah negatif yaitu 4300, netral 1575 dan positif 1325, karena banyak ditemukan ulasan pengguna aplikasi MyPertamina yaitu “setelah update aplikasi MyPertamina semakin parah bug nya”.

Actions (login required)

View Item