Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Scientica: Jurnal Ilmiah Sains dan Teknologi
Maulana Malik Fajri
Universitas Negeri Medan, Sumatra Utara
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences Other

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

Found 1 Documents
Search

 1 
Implementasi Algoritma Support Vector Machine Untuk Analisis Sentimen Aplikasi Easycash di Playstore Maulana Malik Fajri; Ichwanul Muslim Karo Karo
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 1 No. 3 (2023): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.572349/scientica.v1i3.435

Abstract

Analisis sentimen ialah sebuah metode yang dipergunakan untuk memperoleh data dari opini, memahami serta mengolah tekstual data secara otomatis untuk melihat sentimen yang terkandung dalam sebuah opini. Support Vector Machine (SVM) ialah salah satu algoritma klasifikasi yang dapat digunakan untuk sentimen analisis. Penelitian ini bertujuan mengklasifikasikan review aplikasi Easycash di Google Play Store menggunakan analisis sentimen yang telah dikumpulkan dan disortir. Hasil dari penelitian ini sangat berguna bagi pemilik aplikasi untuk mengambil keputusan di masa depan. Penelitian ini menggunakan 2500 data ulasan aplikasi Easycash dari Google Play Store. Pada tahap pertama penelitian ini menggunakan Case Folding, Filtering, Tokenizing, Slang Word, Stopwords, Stemming, kemudian melakukan Konversi kalimat lalu mentransformasi teks ke vector dengan TfidfVectorizer. Pada tahap kedua melakukan spilt data menjadi dua bagian dengan perbandingan 20% dan 80%, yaitu 80% bagian untuk data training dan 20% bagian untuk data testing. Pada tahap terakhir membangun model sehingga diperoleh akurasi sebesar 89%, precision negatif sebesar 82% dan positif sebesar 94%, serta recall negatif sebesar 92% serta positif sebesar 87% dan f1-score negative sebesar 87% juga f1-score positive sebesar 90%.
Co-Authors Ichwanul Muslim Karo Karo