- Book学术

发布求助

文献互助智能选刊最新文献

Journal Sensi Pub Date : 2023-08-31 DOI:10.33050/sensi.v9i2.2914

Dea Safryda Putri, Nina Sulistiyowati, A. Voutama

{"title":"Analisis Sentimen dan Pemodelan Ulasan Aplikasi AdaKami Menggunakan Algoritma SVM dan KNN","authors":"Dea Safryda Putri, Nina Sulistiyowati, A. Voutama","doi":"10.33050/sensi.v9i2.2914","DOIUrl":null,"url":null,"abstract":"Salah satu aplikasi pinjaman uang online populer di Google Play Store yaitu aplikasi AdaKami. Bagi calon pengguna, ulasan mampu memberikan detail pengalaman penggunaan aplikasi. Bagi pihak perusahaan, ulasan pengguna dapat menjadi acuan evaluasi aplikasi. Masalah yang ditemukan yaitu jumlah dan keragaman ulasan pengguna aplikasi AdaKami yang tidak efisien untuk dibaca satu per satu sehingga perlu dilakukan analisis sentimen dan pemodelan. Tujuan penelitian ini yaitu mengetahui reputasi aplikasi berdasarkan sentimen dominan dalam ulasan pengguna dan membuat model analisis sentimen yang optimal. Penelitian ini menggunakan Metode SEMMA, dengan 1.000 data ulasan bersumber dari Google Play Store, melalui proses sampling dan labelling (negatif, positif, netral). Dalam pemodelan analisis sentimen, diujicobakan tiga variabel yaitu metode pelabelan (manual dan leksikon), algoritma (SVM dan KNN) dan proporsi pembagian data (data latih : data uji = 90:10, 80:20, 70:30, 60:40 dan 50:50) yang disajikan dalam bentuk 20 skenario. Hasil penelitian menunjukkan bahwa sentimen paling dominan adalah positif dan model paling optimal yaitu model skenario 6 yang menggunakan algoritma SVM, metode pelabelan manual dan proporsi 90:10. Model tersebut memiliki performa 93% accuracy, 93% precision, 93% recall dan 92% f1-score.","PeriodicalId":134510,"journal":{"name":"Journal Sensi","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal Sensi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33050/sensi.v9i2.2914","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

摘要

谷歌Play Store上最受欢迎的在线贷款应用程序之一是ami应用。对于未来的用户，审查可以提供详细的应用程序使用经验。对公司来说，用户审查可以成为评估应用程序的基准。发现的问题是，一篇论文的效率低下，无法一一阅读，因此需要进行情感分析和建模。本研究的目的是根据用户评论中的主导情绪来确定应用程序的声誉，并创建最佳的情感分析模型。该研究采用了SEMMA的方法，通过抽样和标签处理(负的、正的、中性的)，对谷歌Play Store进行了1000个来源的审查。在建模情绪分析中，测试了三种变量，分别是标签方法(手册和词汇)、算法(SVM和KNN)和数据共享比例(培训数据:测试数据= 90:10,80:20,70:30,60:40和50:50)，以20个场景的形式呈现。研究结果表明，最主要的情绪是正的和最优模型，也就是使用SVM算法、手工贴标签方法和90:10比例的场景6模型。该模型的性能为93%，93%精确，93%记忆，92% f1-score。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

Analisis Sentimen dan Pemodelan Ulasan Aplikasi AdaKami Menggunakan Algoritma SVM dan KNN

Salah satu aplikasi pinjaman uang online populer di Google Play Store yaitu aplikasi AdaKami. Bagi calon pengguna, ulasan mampu memberikan detail pengalaman penggunaan aplikasi. Bagi pihak perusahaan, ulasan pengguna dapat menjadi acuan evaluasi aplikasi. Masalah yang ditemukan yaitu jumlah dan keragaman ulasan pengguna aplikasi AdaKami yang tidak efisien untuk dibaca satu per satu sehingga perlu dilakukan analisis sentimen dan pemodelan. Tujuan penelitian ini yaitu mengetahui reputasi aplikasi berdasarkan sentimen dominan dalam ulasan pengguna dan membuat model analisis sentimen yang optimal. Penelitian ini menggunakan Metode SEMMA, dengan 1.000 data ulasan bersumber dari Google Play Store, melalui proses sampling dan labelling (negatif, positif, netral). Dalam pemodelan analisis sentimen, diujicobakan tiga variabel yaitu metode pelabelan (manual dan leksikon), algoritma (SVM dan KNN) dan proporsi pembagian data (data latih : data uji = 90:10, 80:20, 70:30, 60:40 dan 50:50) yang disajikan dalam bentuk 20 skenario. Hasil penelitian menunjukkan bahwa sentimen paling dominan adalah positif dan model paling optimal yaitu model skenario 6 yang menggunakan algoritma SVM, metode pelabelan manual dan proporsi 90:10. Model tersebut memiliki performa 93% accuracy, 93% precision, 93% recall dan 92% f1-score.

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Journal Sensi

自引率

0.00%

发文量