MUHAMMAD IQBAL MAULANA, - (2025) ANALISIS SENTIMEN ULASAN APLIKASI INDODAX PADA GOOGLE PLAY STORE DENGAN ALGORITMA RANDOM FOREST. Bulletin of Computer Science Research, 5 (4). pp. 564-572. ISSN ISSN 2774-3659 (Media Online)

Preview	Text (JURNAL) MUHAMMAD IQBAL MAULANA - Muhammad Iqbal Maulana Teknik Informatika.pdf - Published Version Download (3MB) | Preview
Preview	Text (Pernyataan Publikasi) Surat pernyataan publikasi Muhammad Iqbal Maulana - Muhammad Iqbal Maulana Teknik Informatika.pdf - Published Version Download (256kB) | Preview
Preview	Text (Persetujuan Publikasi) Surat persetujuan publikasi - Muhammad Iqbal Maulana Teknik Informatika.pdf - Published Version Download (380kB) | Preview

Abstract

Aset kripto telah menjadi fenomena global dengan peningkatan jumlah investor yang signifikan di Indonesia. Indodax, sebagai platform jual beli aset kripto terbesar di Indonesia, telah berkontribusi dalam pertumbuhan ekosistem ini dan mendapatkan banyak ulasan pengguna melalui Google Play Store. Dengan lebih dari 5 juta unduhan dan 100 ribu ulasan, analisis sentimen menjadi alat penting untuk memahami persepsi pengguna terhadap layanan Indodax. Hasil pelabelan manual menunjukkan mayoritas ulasan bersentimen positif (3989 ulasan), sementara sentimen netral dan negatif masing-masing berjumlah 477 dan 534 ulasan. Dari penelitian dan pengujian yang telah dilakukan dengan metode Random Forest dan melakukan optimasi dengan Hyperparameter Tuning GridSearchCV pada 4 Skenario pengujian. Didapatkan hasil terbaik pada Skenario 4 (3 Tahap Preprocessing (Cleaning, Case Folding, dan Tokenization) + Random Forest & Hyperparameter Tuning) menghasilkan nilai yang terbaik, dengan Precision 81%, Recall 64%, F1-Score 70% dan Accuracy 89%. Dengan nilai parameter terbaik {'criterion': 'entropy', 'max_depth': None, 'max_features': 'sqrt', 'min_samples_leaf': 1, 'min_samples_split': 2, 'n_estimators': 100}. Studi ini menunjukkan bahwa setiap model eksperimen yang dilakukan Optimasi Menghasilkan nilai lebih tinggi dari model eksperimen yang tidak dilakukan optimasi.

Actions (login required)

View Item