IMPLEMENTASI ALGORITMA BERT UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI PEDULILINDUNGI
Total View This Week0
Total View This Week0
Institusion
STMIK Akakom
Author
Rahmawati, Siska
Subject
Algoritma
Datestamp
2023-03-07 04:07:53
Abstract :
Pandemi COVID19 yang terjadi di Indonesia mengharuskan masyarakat dan pemerintah menerapkan kebiasan baru. Salah satu upaya pemerintah dalam menangani penyebaran COVID19 di Indonesia yaitu mengembangkan aplikasi PeduliLindungi yang dapat diunduh melalui Google Play. Pada tahun 2020, aplikasi ini telah diunduh lebih dari 1 juta kali dengan jumlah ulasan lebih dari 43 ribu. Ulasan merupakan salah satu aspek penting dalam pengembangan aplikasi, karena pengguna dapat memberikan kritik dan saran tentang pengalaman menggunakan aplikasi dan membantu pengembang untuk mengembangkan layanan sesuai harapan pengguna sehingga dapat memberikan pengalaman yang lebih baik pada masa yang akan datang. Analisis sentimen dapat digunakan untuk mengkategorikan ulasan pada suatu polaritas dimana ulasan dapat bernilai positif, negatif, atau netral. Dengan berkembangnya teknologi, analisis sentimen dapat dilakukan secara otomatis. Penelitian ini menggunakan algoritma BERT (Bidirectional Encoder Representations from Transformers) untuk membuat analisis sentimen pada ulasan aplikasi PeduliLindungi. Pemodelan analisis sentimen menggunakan BERT yaitu pre-trained BERT base-multilingual-cased. Jumlah data yang digunakan sebanyak 13.574 data berbahasa Indonesia dan bahasa Inggris. Data dibagi menggunakan rasio 80:10:10 dimana 80% untuk data latih yaitu 10589 data, 10% untuk data validasi yaitu 1357 data, dan 10% untuk data uji yaitu 1358 data. Penelitian ini menghasilkan tingkat akurasi sebesar 89% dengan nilai presisi pada sentimen negatif yaitu 70%, netral 91%, dan positif sebesar 91%. Kata kunci : analisis sentimen, bert, google play, ulasan aplikasi pedulilindungi
Pandemi COVID19 yang terjadi di Indonesia mengharuskan masyarakat dan pemerintah menerapkan kebiasan baru. Salah satu upaya pemerintah dalam menangani penyebaran COVID19 di Indonesia yaitu mengembangkan aplikasi PeduliLindungi yang dapat diunduh melalui Google Play. Pada tahun 2020, aplikasi ini telah diunduh lebih dari 1 juta kali dengan jumlah ulasan lebih dari 43 ribu. Ulasan merupakan salah satu aspek penting dalam pengembangan aplikasi, karena pengguna dapat memberikan kritik dan saran tentang pengalaman menggunakan aplikasi dan membantu pengembang untuk mengembangkan layanan sesuai harapan pengguna sehingga dapat memberikan pengalaman yang lebih baik pada masa yang akan datang. Analisis sentimen dapat digunakan untuk mengkategorikan ulasan pada suatu polaritas dimana ulasan dapat bernilai positif, negatif, atau netral. Dengan berkembangnya teknologi, analisis sentimen dapat dilakukan secara otomatis. Penelitian ini menggunakan algoritma BERT (Bidirectional Encoder Representations from Transformers) untuk membuat analisis sentimen pada ulasan aplikasi PeduliLindungi. Pemodelan analisis sentimen menggunakan BERT yaitu pre-trained BERT base-multilingual-cased. Jumlah data yang digunakan sebanyak 13.574 data berbahasa Indonesia dan bahasa Inggris. Data dibagi menggunakan rasio 80:10:10 dimana 80% untuk data latih yaitu 10589 data, 10% untuk data validasi yaitu 1357 data, dan 10% untuk data uji yaitu 1358 data. Penelitian ini menghasilkan tingkat akurasi sebesar 89% dengan nilai presisi pada sentimen negatif yaitu 70%, netral 91%, dan positif sebesar 91%. Kata kunci : analisis sentimen, bert, google play, ulasan aplikasi pedulilindungi
File :
1_185410089_HALAMAN_DEPAN - SISKA RAHMAWATI.pdf
2_185410089_BAB_I - SISKA RAHMAWATI.pdf
3_185410089_BAB_II - SISKA RAHMAWATI.pdf
4_185410089_BAB_III - SISKA RAHMAWATI.pdf
5_185410089_BAB_IV - SISKA RAHMAWATI.pdf
6_185410089_BAB_V - SISKA RAHMAWATI.pdf
7_185410089_DAFTAR_PUSTAKA - SISKA RAHMAWATI.pdf
8_185410089_CARA_MENJALANKAN_PROGRAM - SISKA RAHMAWATI.pdf
9_185410089_LISTING_PROGRAM - SISKA RAHMAWATI.pdf
10_185410089_LAMPIRAN - SISKA RAHMAWATI.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
