ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SIREKAP PADA PLAY STORE MENGGUNAKAN ALGORITMA RANDOM FOREST CLASSIFER

Muhamad Fajar Yudhistira Herjanto, C. Carudin
{"title":"ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI SIREKAP PADA PLAY STORE MENGGUNAKAN ALGORITMA RANDOM FOREST CLASSIFER","authors":"Muhamad Fajar Yudhistira Herjanto, C. Carudin","doi":"10.23960/jitet.v12i2.4192","DOIUrl":null,"url":null,"abstract":"Pemilihan umum di Indonesia merupakan aspek krusial dari demokrasi yang memerlukan partisipasi warga negara. Dalam era digital, Badan Penyelenggara Pemilu meluncurkan aplikasi SIREKAP untuk membantu mempercepat proses rekapitulasi pemilihan umum. Tujuan penelitian ini menganalisis sentimen ulasan aplikasi SIREKAP pada Play Store untuk memperoleh pemahaman yang lebih mendalam mengenai pandangan dan evaluasi pengguna. Metode yang digunakan adalah knowledge discovery in database (KDD) meliputi tahap data selection, preprocessing, transformation, data mining dan evaluation. Algoritma yang digunakan untuk klasifikasi adalah Random Forest Classifier terhadap 5000 data ulasan. Hasil penelitian menunjukkan akurasi 74%, presisi 75%, recall 74%, dan f1-score 74%. Selain itu hasil dari pelabelan data menunjukkan ulasan negatif mendapatkan terbanyak sebanyak 4002 ulasan dibandingkan dengan ulasan positif  hanya 762 ulasan dan 234 ulasan netral. Kesimpulannya aplikasi SIREKAP perlu ditingkatkan kualitasnya untuk mengatasi permasalahan yang sering ditemui pengguna berdasarkan ulasan pengguna. Hasil penelitian ini dapat menjadi evaluasi bagi pengembang untuk meningkatkan pengalaman pengguna.","PeriodicalId":313205,"journal":{"name":"Jurnal Informatika dan Teknik Elektro Terapan","volume":"6 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-04-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika dan Teknik Elektro Terapan","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23960/jitet.v12i2.4192","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

Pemilihan umum di Indonesia merupakan aspek krusial dari demokrasi yang memerlukan partisipasi warga negara. Dalam era digital, Badan Penyelenggara Pemilu meluncurkan aplikasi SIREKAP untuk membantu mempercepat proses rekapitulasi pemilihan umum. Tujuan penelitian ini menganalisis sentimen ulasan aplikasi SIREKAP pada Play Store untuk memperoleh pemahaman yang lebih mendalam mengenai pandangan dan evaluasi pengguna. Metode yang digunakan adalah knowledge discovery in database (KDD) meliputi tahap data selection, preprocessing, transformation, data mining dan evaluation. Algoritma yang digunakan untuk klasifikasi adalah Random Forest Classifier terhadap 5000 data ulasan. Hasil penelitian menunjukkan akurasi 74%, presisi 75%, recall 74%, dan f1-score 74%. Selain itu hasil dari pelabelan data menunjukkan ulasan negatif mendapatkan terbanyak sebanyak 4002 ulasan dibandingkan dengan ulasan positif  hanya 762 ulasan dan 234 ulasan netral. Kesimpulannya aplikasi SIREKAP perlu ditingkatkan kualitasnya untuk mengatasi permasalahan yang sering ditemui pengguna berdasarkan ulasan pengguna. Hasil penelitian ini dapat menjadi evaluasi bagi pengembang untuk meningkatkan pengalaman pengguna.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
分析 Play 商店中的在线应用程序的状态,并采用随机森林分类算法
印度尼西亚的选举是民主的一个重要方面,需要公民的参与。在数字时代,选举组织机构推出了 SIREKAP 应用程序,以帮助加快选举复述过程。本研究的目的是分析 Play Store 上 SIREKAP 应用程序评论的情感,以深入了解用户的观点和评价。采用的方法是数据库知识发现(KDD),包括数据选择、预处理、转换、数据挖掘和评估等阶段。在 5000 条评论数据上使用的分类算法是随机森林分类器。结果显示,准确率为 74%,精确率为 75%,召回率为 74%,F1 分数为 74%。此外,数据标签结果显示,负面评论最多,达到 4002 条,而正面评论只有 762 条,中性评论 234 条。总之,SIREKAP 应用程序需要提高质量,以克服用户经常遇到的基于用户评论的问题。本研究的结果可作为开发人员改善用户体验的评估依据。
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 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
RANCANG BANGUN SISTEM PPDB ONLINE STUDI KASUS SMK MUHAMMADIYAH GAMPING MENGGUNAKAN METODE EXTREME PROGRAMMING VISUALISASI DATA PENYEBAB KEMATIAN DI INDONESIA RENTANG TAHUN 2000-2022 DENGAN POWER BI ANALISA DATA MINING DALAM MEMPREDIKSI MASYARAKAT KURANG MAMPU MENGGUNAKAN METODE K-NEAREST NEIGHBOR PERBANDINGAN ANALISIS SENTIMEN SETELAH PILPRES 2024 DI TWITTER MENGGUNAKAN ALGORITMA MACHINE LEARNING PERANCANGAN JARINGAN REDUNDANCY MENGGUNAKAN KONSEP ETHERCHANNEL DAN HSRP DENGAN INTERVLAN ROUTING PADA PLN UID JAKARTA RAYA
×
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
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 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 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1