ANALISIS SENTIMEN TERHADAP ULASAN PADA GOOGLE PLAY
STORE MENGENAI LAYANAN SIM ONLINE PADA APLIKASI DIGITAL
KORLANTAS POLRI DENGAN METODE RNN JENIS LSTM
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Sebastian Bagus, Kurniawan
Subject
005.1 Programming/Pemrograman
Datestamp
2024-07-29 07:19:04
Abstract :
Digital Korlantas merupakan aplikasi resmi dari Kepolisian Negara Republik Indonesia (Polri) yang menyediakan layanan digital Korps Lalu Lintas. Ketidaksempurnaan pada aplikasi ini menyebabkan banyaknya keluhan dari penggunanya. Keluhan tersebut dapat dilihat pada ulasan aplikasi di Google Play Store. Keluhan pengguna merupakan aspek penting yang harus diperhatikan dalam pengembangan aplikasi sebagai evaluasi untuk meningkatkan pelayanan. Analisis sentimen dapat dilakukan untuk mengklasifikasikan ulasan pengguna. Penelitian ini berhasil membuat sebuah sistem yang mampu mengklasifikasikan ulasan pengguna dengan menggunakan metode LSTM yang dapat diakses pada https://analisissentimen-digitalkorlantas.my.id/. Berdasarkan tahap evaluasi, LSTM memiliki performa yang lebih baik dibandingkan dengan Naive Bayes dan SVM. Model LSTM memiliki akurasi sebesar 92.11%, presisi sebesar 87.95%, recall sebesar 95.56%, dan F1-Score sebesar 91.6%. Sedangkan Naive Bayes memiliki akurasi sebesar 90.46%, presisi sebesar 89.86%, recall sebesar 90.68%, dan F1Score sebesar 90.27%. Lalu SVM dengan LinearSVC memiliki akurasi sebesar 90.23%, presisi sebesar 93.13%, recall sebesar 86.36%, dan F1-Score sebesar 89.62%.
Digital Korlantas merupakan aplikasi resmi dari Kepolisian Negara Republik Indonesia (Polri) yang menyediakan layanan digital Korps Lalu Lintas. Ketidaksempurnaan pada aplikasi ini menyebabkan banyaknya keluhan dari penggunanya. Keluhan tersebut dapat dilihat pada ulasan aplikasi di Google Play Store. Keluhan pengguna merupakan aspek penting yang harus diperhatikan dalam pengembangan aplikasi sebagai evaluasi untuk meningkatkan pelayanan. Analisis sentimen dapat dilakukan untuk mengklasifikasikan ulasan pengguna. Penelitian ini berhasil membuat sebuah sistem yang mampu mengklasifikasikan ulasan pengguna dengan menggunakan metode LSTM yang dapat diakses pada https://analisissentimen-digitalkorlantas.my.id/. Berdasarkan tahap evaluasi, LSTM memiliki performa yang lebih baik dibandingkan dengan Naive Bayes dan SVM. Model LSTM memiliki akurasi sebesar 92.11%, presisi sebesar 87.95%, recall sebesar 95.56%, dan F1-Score sebesar 91.6%. Sedangkan Naive Bayes memiliki akurasi sebesar 90.46%, presisi sebesar 89.86%, recall sebesar 90.68%, dan F1Score sebesar 90.27%. Lalu SVM dengan LinearSVC memiliki akurasi sebesar 90.23%, presisi sebesar 93.13%, recall sebesar 86.36%, dan F1-Score sebesar 89.62%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
