ANDHA MAULANA, - (2024) ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA K-NEARST NEIGHBOR DAN NAIVE BAYES PADA APLIKASI VIDIO. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text tugasakhirandhamaulana (1).pdf - Published Version Download (2MB) | Preview
	Text (BAB IV) bab 4.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Memahami kepuasan pengguna dan pengalaman pengguna menjadi semakin penting seiring dengan jumlah pengguna yang meningkat di platform Aplikasi Vidio. Salah satu ulasan yang diunggah dalam komentar menyatakan bahwa terlalu banyak iklan pada Aplikasi Vidio sehingga mengganggu pengguna pada saat menonton. Hal ini menyatakan bahwa perlu adanya perbaikan strategi iklan di Aplikasi Vidio untuk meningkatkan kepuasan pengguna. Tujuan penelitian ini adalah untuk mengevaluasi peforma dan akurasi algoritma K-Nearest Neighbors (KNN) dan Naive Bayes Classifier (NBC) dalam menganalisis sentimen pengguna pada Aplikasi Vidio. Hasil penelitian ini diharapkan dapat membantu developer dalam meningkatkan fitur dan layanan Aplikasi berdasarkan feedback pengguna untuk meningkatkan kepuasan pengguna. Perbandingan algoritma pada penelitian ini dilakukan untuk mengembangkan dan memilih model terbaik diantara kedua algoritma dalam klasifikasi teks. Hasil penelitian yang dilakukan pada analisis sentimen menggunakan algoritma K-Nearest Neighbor dan Naive Bayes dengan total 3.688 komentar dari periode Januari-Desember 2023 hasil yang didapatkan pada kelas positif berjumlah 1.430 dan kelas negatif 2.258. Hasil penelitian menyatakan bahwa model K-Nearest Neighbor sangat efektif dan lebih unggul dalam analisis sentimen persepsi pengguna, dengan tingkat akurasi 93%, recall 88%, precision 93%, dan F1 Score 90%, dibandingkan dengan model Naive Bayes, yang memiliki tingkat akurasi 81%, recall 91%, precision 81%, dan F1 Score 86%. Secara keseluruhan, model K-Nearst Neighbor ini dapat membantu developer Aplikasi Vidio memahami sentimen pelanggan dan menggunakan feedback pelanggan untuk meningkatkan fitur dan layanan mereka. Kemudian dengan model implementasi yang tepat, hasil analisis sentimen menggunakan K-Nearst Neighbor dapat membantu membuat keputusan yang tepat, memberikan layanan yang lebih baik, dan meningkatkan kepuasan pelanggan.

Actions (login required)

View Item