Penulis Utama: YASIN ARIL MUSTOFA
arieldcc@gmail.com
Program Studi Informatika; Universitas Ichsan Sidenreng Rappang
IRMA SURYA KUMALA IDRIS
mhaladp@gmail.com
Program Studi Teknik Informatika; Universitas Ichsan Gorontalo
Abstrak:
Dalam era digital saat ini, analisis sentimen pada ulasan aplikasi Google Play Store telah menjadi kunci penting untuk memahami opini publik terhadap produk teknologi. Penelitian ini bertujuan untuk mengevaluasi efektivitas pendekatan ensemble dalam analisis sentimen, dibandingkan dengan algoritma klasifikasi individu. Metode yang digunakan meliputi teknik ensemble seperti Random Forest dan Boosting, serta algoritma individu seperti Naive Bayes dan Support Vector
Machine (SVM). Penelitian ini mengintegrasikan langkah preprocessing yang ekstensif, termasuk cleaning, case folding, tokenization, stopword removal, dan normalisasi, untuk mempersiapkan data sebelum proses klasifikasi. Hasil penelitian menunjukkan bahwa model ensemble, khususnya Random Forest, menghasilkan kinerja yang superior dalam klasifikasi sentimen ulasan aplikasi, dengan akurasi mencapai 94.15% untuk ulasan aplikasi Zoom dan 80.69% untuk ulasan aplikasi Shopee. Kinerja ini menegaskan bahwa pendekatan ensemble lebih efektif dalam mengatasi kompleksitas dan variasi data ulasan dibandingkan dengan algoritma yang beroperasi secara individu. Penelitian ini memberikan wawasan berharga bagi pengembang aplikasi untuk meningkatkan
produk berdasarkan feedback pengguna. Namun, masih ada ruang untuk perbaikan dalam hal pengoptimalan algoritma terhadap data yang sangat tidak seimbang dan pengembangan metode yang dapat menangani nuansa bahasa yang lebih kompleks. Saran untuk penelitian mendatang meliputi penggunaan teknik Deep Learning dan pengujian lintas domain untuk menilai efektivitas model ini dalam berbagai setting analisis sentimen.
Kata Kunci: Analisis Sentimen; Ensemble Learning; Random Forest; Support Vector Machine; Preprocessing Data.
Biaya Penelitian: Mandiri
Tahun Akademik: 2024
Status Terbit:
Terbit
Indeks:
Lihat Jurnal
File Jurnal: