Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI SENTIMEN LAYANAN PADA APLIKASI BY.U MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

ZULKARNAIN, - (2025) KLASIFIKASI SENTIMEN LAYANAN PADA APLIKASI BY.U MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. SISTEMASI: Jurnal Sistem Informasi, 14 (4). pp. 1967-1976. ISSN ISSN:2302-8149, e-ISSN:2540-9719

[img]
Preview
Text (JURNAL ARTIKEL)
tafixx - ZULKARNAIN SISTEM INFORMASI.pdf - Published Version

Download (2MB) | Preview
[img]
Preview
Text (PERNYATAAN PUBLIKASI MAHASISWA)
Surat Publikasi - ZULKARNAIN SISTEM INFORMASI.pdf - Published Version

Download (149kB) | Preview
[img]
Preview
Text (PERNYATAAN PUBLIKASI DOSEN)
Surat Pernyataan Pembimbing - ZULKARNAIN SISTEM INFORMASI.pdf - Published Version

Download (87kB) | Preview

Abstract

Penelitian ini didasari oleh pentingnya pemahaman opini pengguna terhadap kualitas layanan digital sebagai bahan evaluasi dan peningkatan layanan.Penelitian ini bertujuan untuk melakukan klasifikasi sentimen pengguna terhadap layanan aplikasi by.U dengan memanfaatkan algoritma Support Vector Machine (SVM). Data ulasan diambil dari Google Play Store sebanyak 9.091 data, yang kemudian diproses melalui tahapan pra-pemrosesanseperti cleaning, case folding, tokenisasi, penghapusan kata umum (stopword), dan stemming. Sentimen dibagi menjadi tiga kategori, yaitu positif, negatif, dan netral. Proses pelatihan dan pengujian dilakukan dengan membagi data kedalam data latih dan data uji dengan proporsi 80:20, serta dievaluasi menggunakan matriks akurasi, presisi,recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma SVM mampu mengklasifikasikan sentimen dengan akurasi sebesar 83%. Model memiliki performa terbaik pada sentimen positif (precision 84%, recall 90%, F1-score 87%) dan negatif (precision 81%, recall 92%, F1-score 86%), sementara sentimen netral masih memiliki kelemahan dengan F1-score hanya sebesar 64%. Hal ini menunjukkan bahwa klasifikasi sentimen netral masih memerlukan penguatan model. Penelitian ini membuktikan bahwa SVM merupakan metode yang efektif untuk menganalisis opini pengguna terhadap layanan digital secara otomatis. Hasil klasifikasi ini dapat dijadikan referensi bagi pengembang dalam melakukan evaluasi dan peningkatan kualitas layanan berdasarkan umpan balik pengguna.

Item Type: Article
Contributors:
ContributionContributorsNIDN/NIDKEmail
Thesis advisorRice Novita, -2027118501rice.novita@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: Ayu - Apriliani
Date Deposited: 09 Jul 2025 02:36
Last Modified: 09 Jul 2025 02:36
URI: http://repository.uin-suska.ac.id/id/eprint/89673

Actions (login required)

View Item View Item