Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM

Authors

  • Adi Ariyo Munandar Universitas Diponegoro
  • Farikhin Farikhin Universitas Diponegoro Semarang
  • Catur Edi Widodo Universitas Diponegoro Semarang

DOI:

https://doi.org/10.31328/jointecs.v8i2.4747

Keywords:

Ruang Guru, Zenius, Quipper, Sentimen Analisis, SVM

Abstract

Google Play Store adalah tempat berbagai macam aplikasi tersedia, baik berbayar ataupun tidak. Halaman Google Play Store menjadi tempat pengguna aplikasi untuk menyampaikan pendapat, ulasan dan penilaian. Ruang Guru, Zenius dan Quipper tersedia di platform tersebut. Data pada ulasan, menjadi sangat bermanfaat untuk dianalisa. Analisa dilakukan dengan menggunakan sentimen analisis dan algoritma SVM. Data diperoleh dengan menggunakan teknik scraping data, dengan menggunakan bantuan library google-play-scraper. Proses web Scraping, dibagi menjadi 3 tahap yaitu Fetching, Extraction, dan Transformation. Data dikumpulkan sebanyak 30.000 data, yang dibagi menjadi 10.000 data Ruang Guru, Zenius dan Quipper. Peneltian diawali dengan Tahap preprocesing data meliputi normalisasi, case folding, cleaning, tokenizing, dan  Stopword. kemudian data dibagi menjadi 90% data latih dan 10% data uji. Data latih diberi label dengan nilai 1, 0, dan -1. Nilai 1 berarti positif, nilai 0 berarti netral dan -1 berarti negatif. Hasil sentimen klasifikasi menggunakan SVM, menunjukkan bahwa Ruang Guru memiliki nilai positif tertinggi dibandingkan Zenius dan Quipper. Akan tetapi, respon pengguna sama-sama memberikan nilai positif untuk aplikasi tersebut. Nilai akurasi dari penelitian menunjukkan bahwa, data Klasifikasi sentimen dengan SVM, mempunyai akurasi rata-rata untuk Ruang Guru sebesar 99%, Zenius sebesar 96%, dan Quipper sebesar 82%.

Author Biographies

Adi Ariyo Munandar, Universitas Diponegoro

Program Studi Sistem Informasi

Farikhin Farikhin, Universitas Diponegoro Semarang

Program Studi Metematika, Fakultas Sains Dan Metematika

Catur Edi Widodo, Universitas Diponegoro Semarang

Program Studi Fisika, Fakultas Sains Dan Metematika

References

A. Z. Shoumi, “Peran Multimedia Dalam Pendidikan Pada Aplikasi Ruang Guru,†in Prosiding Seminar Nasional Cendekiawan, 2019, hal. 2. doi: 10.25105/semnas.v0i0.5809.

A. Ramadhayanti, “Analisis Strategi Belajar Dengan Metode Bimbel Online Terhadap Kemampuan Pemahaman Kosa Kata Bahasa Inggris dan Pronunciation (Pengucapan/pelafalan) Berbahasa Remaja Saat Ini,†KREDO J. Ilm. Bhs. dan Sastra, vol. 2, no. 1, hal. 39–52, 2018, doi: 10.24176/kredo.v2i1.2580.

A. F. Hayati, “Perbedaan Hasil Belajar Siswa Menggunakan Bimbingan Belajar Online,†J. Inov. Pendidik. Ekon., vol. 10, no. 1, hal. 79–85, 2020, doi: 10.24036/011085130.

M. I. Ahmadi, F. Apriani, M. Kurniasari, S. Handayani, dan D. Gustian, “Sentiment Analysis Online Shop on the Play Store Using Method Support Vector Machine (Svm,†in Seminar Nasional …, 2020, hal. 196–203. [Daring]. Tersedia pada: http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/4101

M. M. Jawad Soumik, S. Salvi Md Farhavi, F. Eva, T. Sinha, dan M. S. Alam, “Employing machine learning techniques on sentiment analysis of google play store bangla reviews,†in 2019 22nd International Conference on Computer and Information Technology, ICCIT 2019, 2019, hal. 1–5. doi: 10.1109/ICCIT48885.2019.9038348.

R. Wahyudi dan G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,†J. Inform., vol. 8, no. 2, hal. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.

S. Venkatakrishnan, A. Kaushik, dan J. K. Verma, “Sentiment Analysis on Google Play Store Data Using Deep Learning,†in Applications of Machine Learning, 2020, hal. 15–30. doi: 10.1007/978-981-15-3357-0_2.

L. Kirtibas Singh dan R. Renuga Devi, “Student feedback sentiment analysis: A review,†in Materials Today: Proceedings, 2021, no. xxxx. doi: 10.1016/j.matpr.2020.10.782.

Q. Li, S. Shah, R. Fang, A. Nourbakhsh, dan X. Liu, “Tweet Sentiment Analysis by Incorporating Sentiment-Specific Word Embedding and Weighted Text Features,†Proc. - 2016 IEEE/WIC/ACM Int. Conf. Web Intell. WI 2016, hal. 568–571, 2017, doi: 10.1109/WI.2016.0097.

K. Jindal dan R. Aron, “Materials Today : Proceedings A systematic study of sentiment analysis for social media data,†in Materials Today: Proceedings, 2021, no. xxxx. doi: 10.1016/j.matpr.2021.01.048.

S. Vashishtha dan S. Susan, “Fuzzy rule based unsupervised sentiment analysis from social media posts,†Expert Syst. Appl., vol. 138, hal. 112834–112849, 2019, doi: 10.1016/j.eswa.2019.112834.

P. Chitra dkk., “Materials Today : Proceedings Sentiment analysis of product feedback using natural language processing,†2021. doi: 10.1016/j.matpr.2020.12.1061.

O. Alqaryouti, N. Siyam, A. A. Monem, dan K. Shaalan, “Aspect-based sentiment analysis using smart government review data,†Appl. Comput. Informatics, vol. 3, hal. 11–23, 2019, doi: 10.1016/j.aci.2019.11.003.

M. Al-Smadi, O. Qawasmeh, M. Al-Ayyoub, Y. Jararweh, dan B. Gupta, “Deep Recurrent neural network vs. support vector machine for aspect-based sentiment analysis of Arabic hotels’ reviews,†J. Comput. Sci., vol. 27, hal. 386–393, 2018, doi: 10.1016/j.jocs.2017.11.006.

Z. A. Diekson, M. R. B. Prakoso, M. S. Q. Putra, M. S. A. F. Syaputra, S. Achmad, dan R. Sutoyo, “Sentiment analysis for customer review: Case study of Traveloka,†Procedia Comput. Sci., vol. 216, no. 2022, hal. 682–690, 2023, doi: 10.1016/j.procs.2022.12.184.

M. A. Khder, “Web scraping or web crawling: State of art, techniques, approaches and application,†Int. J. Adv. Soft Comput. its Appl., vol. 13, no. 3, hal. 144–168, 2021, doi: 10.15849/ijasca.211128.11.

E. Fitri, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,†J. Transform., vol. 18, no. 1, hal. 71, 2020, doi: 10.26623/transformatika.v18i1.2317.

A. P. Nardilasari, A. L. Hananto, S. S. Hilabi, dan B. Priyatna, “Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM,†vol. 7, no. 1, hal. 11–18, 2024.

D. Wang dan Y. Zhao, “Using News to Predict Investor Sentiment: Based on SVM Model,†Procedia Comput. Sci., vol. 174, no. 2019, hal. 191–199, 2020, doi: 10.1016/j.procs.2020.06.074.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, dan W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,†J. Teknoinfo, vol. 14, no. 2, hal. 115, 2020, doi: 10.33365/jti.v14i2.679.

S. Bo, S. J. Song, dan W. Cheng, “A new algorithm of support vector machine based on weighted feature,†Proc. 2009 Int. Conf. Mach. Learn. Cybern., vol. 3, no. July, hal. 1616–1620, 2009, doi: 10.1109/ICMLC.2009.5212256.

C. O. Sianturi, S. C. Sianturi, dan A. H. Mondolang, “Klasifikasi Citra Daun Anggur Menggunakan SVM Kernel Linear,†vol. 7, no. 1, hal. 19–26, 2023.

I. Markoulidakis, G. Kopsiaftis, I. Rallis, dan I. Georgoulas, “Multi-Class Confusion Matrix Reduction method and its application on Net Promoter Score classification problem,†ACM Int. Conf. Proceeding Ser., no. Cx, hal. 412–419, 2021, doi: 10.1145/3453892.3461323.

M. Heydarian dan T. E. Doyle, “MLCM : Multi-Label Confusion Matrix,†vol. 2, hal. 19083–19095, 2022.

Downloads

Published

2023-07-01

Issue

Vol. 8 No. 2 (2023)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)