Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play

Ivana Lucia Kharisma, Dhea Ayu Septiani, Anggun Fergina, Kamdan Kamdan
{"title":"Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play","authors":"Ivana Lucia Kharisma, Dhea Ayu Septiani, Anggun Fergina, Kamdan Kamdan","doi":"10.25077/teknosi.v9i2.2023.218-226","DOIUrl":null,"url":null,"abstract":"Aplikasi berbasis video streaming atau siaran langsung menjadi jenis aplikasi paling banyak digunakan di dunia. Video On Demand merupakan sistem interaktif yang memungkinkan kita memilih konten video yang akan ditonton. Vidio adalah portal online atau situs web streaming video yang didirikan pada tahun 2014. Situs web ini memungkinkan pengguna untuk menonton dan menikmati berbagai video dan layanan lain. Namun, berdasarkan ulasan di Google Play, Vidio mendapatkan rating rata-rata hanya sebesar 3.7 dari 623.000 lebih total ulasan. Hal tersebut yang mendorong dilakukannya penelitian ini. Data yang dikumpulkan adalah sebanyak 1000 data pada rentang waktu 2 Februari 2023 – 19 Februari 2023. Data tersebut diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Decision Tree atau Pohon Keputusan. Berdasarkan 3 skenario pembagian data, didapatkan akurasi terbesar diperoleh dari pembagian data 80% data latih dan 20% data uji yaitu sebesar 97.3%. sedangkan pada skenario pembagian data 70:30, akurasinya 96.8%, dan pembagian data 90:10 akurasinya sebesar 96.8%. Dari akurasi yang telah diperoleh, untuk evaluasi pengujian model, penelitian ini menggunakan Confusion Matrix atau Matriks Kebingungan. Agar prediksi dari model yang telah dilatih agar tersedia untuk orang lain, penelitian ini melakukan model deployment menggunakan Streamlit.","PeriodicalId":30862,"journal":{"name":"Jurnal Teknologi dan Sistem Informasi","volume":"95 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi dan Sistem Informasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.25077/teknosi.v9i2.2023.218-226","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Aplikasi berbasis video streaming atau siaran langsung menjadi jenis aplikasi paling banyak digunakan di dunia. Video On Demand merupakan sistem interaktif yang memungkinkan kita memilih konten video yang akan ditonton. Vidio adalah portal online atau situs web streaming video yang didirikan pada tahun 2014. Situs web ini memungkinkan pengguna untuk menonton dan menikmati berbagai video dan layanan lain. Namun, berdasarkan ulasan di Google Play, Vidio mendapatkan rating rata-rata hanya sebesar 3.7 dari 623.000 lebih total ulasan. Hal tersebut yang mendorong dilakukannya penelitian ini. Data yang dikumpulkan adalah sebanyak 1000 data pada rentang waktu 2 Februari 2023 – 19 Februari 2023. Data tersebut diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Decision Tree atau Pohon Keputusan. Berdasarkan 3 skenario pembagian data, didapatkan akurasi terbesar diperoleh dari pembagian data 80% data latih dan 20% data uji yaitu sebesar 97.3%. sedangkan pada skenario pembagian data 70:30, akurasinya 96.8%, dan pembagian data 90:10 akurasinya sebesar 96.8%. Dari akurasi yang telah diperoleh, untuk evaluasi pengujian model, penelitian ini menggunakan Confusion Matrix atau Matriks Kebingungan. Agar prediksi dari model yang telah dilatih agar tersedia untuk orang lain, penelitian ini melakukan model deployment menggunakan Streamlit.
决策树算法在 Google Play 视频应用评论中的应用
基于视频的应用程序或直播成为世界上最广泛使用的应用程序。Demand上的视频是一个互动系统,允许我们选择要观看的视频内容。Vidio是2014年创建的在线门户或视频流网站。该网站允许用户观看和享受各种视频和其他服务。然而,根据谷歌播放的评论,视频的平均评分仅为62.3万次评论中的3.7次。正是这一点推动了这项研究。收集的数据将于2023年2月2日至2023年2月2日至19日收集1000个数据。这些数据使用决策树或树算法对情绪进行积极和消极的分类。根据三种数据共享场景,它可以从数据共享中获得最大的准确性:80%的培训数据和20%的测试数据为97.3%。而在数据集70:30的情况下,准确率是96.8%,90:10的准确率是96.8%。为了进行模型测试,本研究采用了混乱矩阵或矩阵。为了预测一个训练有素的模型可以让其他人使用,这项研究采用了流线型部署。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
20
审稿时长
4 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信