Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square
DOI:
https://doi.org/10.52958/iftk.v17i4.4594Kata Kunci:
Analisis Sentimen, Seleksi Fitur, Chi-Square, Support Vector Machine, PeduliLindungiAbstrak
Upaya pemerintah untuk mengurangi penyebaran wabah virus corona yang semakin meluas hampir di setiap negara di dunia termasuk di Indonesia telah banyak dilakukan. Salah satu upaya yang telah dilakukan dengan memanfaatkan teknologi yang ada pada saat ini adalah membuat sebuah aplikasi bernama PeduliLindungi. Aplikasi ini bertujuan untuk melakukan tracing dan monitoring lokasi penyebaran virus corona sehingga dapat menurunkan kasus corona di Indonesia. Banyak ulasan yang diberikan oleh masyarakat terhadap aplikasi ini baik yang berupa kritik maupun kepuasan. Namun, untuk mengetahui seluruh ulasan yang diberikan tidak mudah. Oleh sebab itu, penelitian dilakukan dengan tujuan untuk mengetahui hasil sentimen masyarakat terhadap aplikasi PeduliLindungi. Analisis sentimen yang dilakukan dengan mengklasifikasikan ulasan menjadi ulasan positif dan ulasan negatif menggunakan algoritma Support Vector Machine dengan seleksi fitur chi-square. Pengumpulan data ulasan dilakukan dengan melakukan scrapping di google play dengan menggunakan bahasa pemrograman Python. Hasil dari klasifikasi sentimen terhadap aplikasi PeduliLindungi menghasilkan performa yang baik dan menghasilkan nilai akurasi sebesar 93%, recall sebesar 86%, precision sebesar 98%, specificity sebesar 98% dan f1-score sebesar 92%.Referensi
Abubakar, A. (2016). A Support Vector Machine Classification of Computational Capabilities of 3D Map on Mobile Device for Navigation Aid. International Journal of Interactive Mobile Technologies (IJIM), 10(3). Retrieved from http://dx.doi.org/10.3991/ijim.v10i3.5056
Ahmad, K., Qadir, J., Qolomany, B., Khan, I., Khan, T., Sulaeman, M., . . . Al-Fuqaha, A. (2021). Sentiment Analysis of Users’ Reviews on COVID-19 Contact Tracing Apps with a Benchmark Dataset. arXiv. Retrieved from https://arxiv.org/abs/2103.01196
Deng, N., Tian, Y., & Zhang, C. (2013). Support Vector Machines Optimization Based Theory, Algorithms, and Extensions. Florida: Taylor & Francis Group.
Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi. (2020). Analisis Sentimen Zoom Clouds Meetings di Google Play Store Menggunakan Naive Bayes dan Support Vector Machine. Journal of Computer Engineering System and Science, 5(2), 293-298.
Indraini, A. N. (2021). Analisis Sentimen Terhadap Pembelajaran Daring di Indonesia Dengan Menggunakan Support Vector Machine (SVM). Skripsi Thesis.
Jo, T. (2019). Text Mining Concepts, Implementation, and Big Data Challenge (Vol. 45). Switzerland: Springer International Publishing AG.
Kumar, L., & Bhatia, P. K. (2013). Text Mining : Concepts, Process and Applications. Journal of Global Research in Computer Science, 4(3).
Luthfiana, L., Young, J. C., & Rusli, A. (2020). Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi. ULTIMATICS, 12(2).
Nisa, A., Darwiyanto, E., & Asror, I. (2019). Analisis Sentimen Menggunakan Naive Bayes Classifier dengan Chi-Square Feature Selection Terhadap Penyedia Layanan Telekomunikasi. e-Proceeding of Engineering, 6(2), 8650.
Pratama, A. Y., Umaidah, Y., & Voutama, A. (2021). nalisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja). Jurnal Sains Komputer & Teknologi (J-SAKTI), 5(2), 897-910.
Putri, C. E., & Hamzah, R. E. (2021). Aplikasi Pedulilindungi Mitigasi Bencana Covid-19 Di Indonesia. Jurnal Pustaka Komunikasi, 4(1), 66-78.
Somantri, O., & Apriliani, D. (2018). Support Vector Machine Berbasis Feature Selection untuk Sentiment Analysis Kepuasan Pelanggan Terhadap Pelayanan Warung dan Restoran Kuliner Kota Tegal. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIK), 5(5), 537-548.
Sudiarsa, I. W., & Wiraditya, I. G. (2020). Analisis Usability Pada Aplikasi Peduli Lindungi Sebagai Aplikasi Informasi Dan Tracking Covid-19 Dengan Heuristic Evaluation. Journal of Information Technology and Computer Sains, 3(2).
Tsani, M. R., Rupaka, A. P., Asmoro, L., & S B A, B. P. (2020). Analisis Sentimen Review Transportasi Menggunakan Algoritma Support Vector Machine Berbasis Chi-Square. Smart Comp, 9(1).
Vinodhini, G., & Chandrasekaran, R. (2012). Sentiment Analysis and Opinion Mining : A Survey. International Journal of Advanced Research in Computer Science and Software Engineering, 2(6).
Zulqornain, J. A., Indriati, & Adikara, P. P. (2021). Analisis Sentimen Tanggapan Masyarakat Aplikasi Tiktok Menggunakan Metode Naive Bayes dan Categorical Propotional Difference (CPD). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(7), 2886-2890.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA
Syarat yang harus dipenuhi oleh Penulis sebagai berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
Download Template
