Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Bisnis Cerdas
Mita Oktafani
Universitas Mercu Buana Yogyakarta
Computer Science & IT Decision Sciences, Operations Research & Management Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR APLIKASI TANDA TANGAN DIGITAL Mita Oktafani; Putri Taqwa Prasetyaningrum
Jurnal Sistem Informasi dan Bisnis Cerdas Vol 15 No 1 (2022): Februari 2022
Publisher : Program Studi Sistem Informasi, Fakultas Ilmu Komputer, UPN Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (276.872 KB) | DOI: 10.33005/sibc.v15i1.4

Abstract

Ulasan atau review pengguna diolah untuk memahami keluhan pengguna terhadap aplikasi agar tersampaikan kepada pihak pengembang untuk dapat memelihara aplikasi. Dari ulasan yang terdapat di Google Playstore, PT. Privy ID sebagai pengembang aplikasi tanda tangan digital ingin mengetahui tingkat kepuasan publik atau pengguna sekaligus sebagai bahan evaluasi bagi perusahaan. Dari ulasan pengguna dilakukan identifikasi dan klasifikasi, namun hal tersebut dapat menghabiskan waktu dalam proses pengklasifikasiannya karena ulasan pengguna yang berjumlah banyak bahkan bertambah setiap saat. Oleh karena itu, dibutuhkannya sistem otomasi analisa sentimen ulasan aplikasi. Sistem ini menerapkan algoritma Support Vector Machine (SVM) sebagai metode untuk menentukan sebuah ulasan mempunyai sentimen positif atau negatif. Analisis dilakukan dengan membandingkan fungsi kernel Radial Basis Function (RBF) dan kernel Linear yang dikombinasikan dengan eksperimen penambahan fiture selection, parameter, dan n-gram. Kesimpulannya adalah penyetelan parameter, dan fitur-fitur n-gram mampu meningkatkan nilai akurasi. Dari hasil percobaan dihasilkan ulasan aplikasi tanda tangan digital kelas negatif sebanyak 4.137 dan kelas positif sebanyak 1.816 pada kernel RBF. Sedangkan pada kernel Linear diperoleh kelas negatif sebanyak 4.049 dan kelas positif sebanyak 1.904 data.
Co-Authors Prasetyaningrum, Putri Taqwa