Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal on Software Engineering (IJSE)
Dzulchan Abror
Universitas Dian Nuswantoro Semarang
Computer Science & IT Engineering

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

Found 1 Documents
Search

 1 
Analisis Sentimen Review Aplikasi PeduliLindungi Menggunakan Seleksi Fitur Information Gain Berbasis SVM Dzulchan Abror
Indonesian Journal on Software Engineering (IJSE) Vol 9, No 1 (2023): IJSE 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijse.v9i1.15698

Abstract

Aplikasi PeduliLindungi merupakan salah satu langkah pemerintah Indonesia dalam menekan penyebaran virus Covid 19. Aplikasi ini terdapat pada google play store yang didalamnya disediakan fasilitas rating dan ulasan bagi pengguna aplikasi. Fasilitas ini dapat kita manfaatkan untuk menggali beberapa informasi salah satunya dengan mengelompokkan ulasan menurut polaritas yang ada yaitu positif atau negative. Sehingga dapat diperoleh informasi pandangan masyarakat terhadap sebuah produk atau aplikasi tersebut, bidang penelitian ini dinamakan analisis sentimen. Dalam membangun sebuah model analisis sentimen terdapat suatu permasalahan dimensi fitur yang sangat tinggi, karena didalam teks mining memiliki ribuan fitur. Fitur tersebut kebanyakan irelevan dan tidak berpengaruh terhadap kelas, akibatnya tingkat akurasi model menurun. Solusinya diperlukan suatu metode yang dapat menyeleksi fitur-fitur teks tersebut. Pada penelitian kali ini diajukan metode sentimen analisis terhadap review aplikasi PeduliLindungi dengan metode SVM (Support Vector Machine)  berbasis seleksi fitur information gain. Dataset diambil dari ulasan pengguna berjumlah 300 ulasan dengan metode penelitian membandingkan 2 model, yang pertama SVM tanpa seleksi fitur dengan hasil akurasi sebesar 74,33% dan model kedua SVM menggunakan seleksi fitur information gain dengan hasil akurasi sebesar 84%. Hal ini membuktikan bahwa dengan metode seleksi fitur dapat meningkatkan akurasi. Kata kunci : Pedulilindungi, Analisis Sentimen, Seleksi Fitur, Information Gain, SVM 
Co-Authors