Article Per Year (5 Year)
p-Index From 2020 - 2025
1.405
P-Index
This Author published in this journals
All Journal Indonesian Journal on Software Engineering (IJSE) Journal of Technopreneurship and Information System (JTIS) Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Jurnal Sistem Informasi Akuntansi Conten : Computer and Network Technology J-Intech (Journal of Information and Technology)
Wati, Fanny Fatma
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Library & Information Science

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Conten : Computer and Network Technology

 1 
ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI DEEPSEEK MENGGUNAKAN ALGORITMA RANDOM FOREST DAN NAIVE BAYES Wati, Fanny Fatma; Suleman, Suleman; Widodo, Andrian Eko
CONTEN : Computer and Network Technology Vol. 5 No. 1 (2025): Juni 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/hqpha267

Abstract

Perkembangan teknologi aplikasi yang mengandalkan kecerdasan buatan mengalami pertumbuhan yang pesat, salah satunya adalah Deepseek, sebuah mesin pencari berbasis pemrosesan bahasa alami. Seiring dengan bertambahnya jumlah pengguna, ulasan yang beragam menjadi sumber data penting untuk mengevaluasi kualitas layanan aplikasi tersebut. Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan pengguna aplikasi Deepseek guna memahami persepsi publik terhadap performa aplikasi. Metode yang digunakan mencakup algoritma klasifikasi Random Forest dan Naïve Bayes. Data ulasan diperoleh dari platform distribusi aplikasi, diproses melalui tahapan pembersihan, tokenisasi, penghapusan kata tidak penting, dan stemming, serta ekstraksi fitur menggunakan TF-IDF. Dataset yang digunakan terdiri dari ulasan berbahasa Indonesia yang telah diberi label positif dan negatif secara manual. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan akurasi tertinggi sebesar 96,38%, sedangkan Naïve Bayes menunjukkan akurasi yang lebih rendah. Hal ini menunjukkan bahwa Random Forest memiliki kinerja lebih baik dalam memahami pola kata dan struktur kalimat yang kompleks. Kesimpulan dari penelitian ini menegaskan bahwa analisis sentimen berbasis machine learning efektif digunakan untuk mengevaluasi opini pengguna dan dapat menjadi acuan dalam pengambilan keputusan pengembangan aplikasi. Temuan ini juga mendukung efisiensi dalam menangani ulasan dalam jumlah besar serta membangun layanan yang lebih responsif terhadap kebutuhan pengguna.
Co-Authors Abror, Dzulchan Ahmad Fauzi Akbar, Muhammad Faitullah Andrian Eko Widodo Anggraini, Recha Abriana Aprih Widayanto Crisna, Aditia Dany Pratmanto Doni Purnama Alamsyah Fabriyan Fandi Dwi Imaniawan Fauzi, Ahmad Galih Setiawan Nurohim Mawadatul Maulidah Nadiyah Hidayati Rousyati, Rousyati Sari, Ratna Kurnia Sukmawati, Linda Suleman Suleman