Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Sentimen Aplikasi Lion Parcel Menggunakan Lexicon Based dan Support Vector Machine Bobby Girsang; Sunneng Sandino Berutu; Haeni Budiati; Febe Maedjaja
Voteteknika (Vocational Teknik Elektronika dan Informatika) Vol 12, No 3 (2024): Vol. 12, No 3, September 2024
Publisher : Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/voteteknika.v12i3.129033

Abstract

Dengan adanya perkembangan teknologi digital pada masa kini, masyarakat dapat melakukan pengiriman barang jarak jauh dengan lebih mudah dan efisien. Lion parcel merupakan salah satu aplikasi ekpedisi populer yang melayani pengiriman barang. Penelitian ini dilakukan untuk mengukur sentimen yang diberikan oleh para pengguna aplikasi terhadap jasa ekspedisi dari Lion Parcel. Proses analisis sentimen ini dilakukan melalui tahapan pengumpulan data, preprocessing data, labelling data menggunakan pendekatan berbasis lexicon, dan membangun model klasifikasi berbasis algoritma Support Vector Machine (SVM) melalui tahap pelatihan dan pengujian data, dan evaluasi model dengan confusion matrix. Data yang berhasil dikumpulkan melalui scrapping data dari ulasan aplikasi Lion Parcel pada google play store mencapai 1194 ulasan. Hasil yang didapatkan setelah memproses data yang diambil yaitu sentimen positif mencapai 55.51 % dengan jumlah 630 data. Sentimen netral mencapai 24.76% dengan jumlah 281 data. Sentimen negatif mencapai 19.74% dengan jumlah 224 data. Hasil pengujian SVM juga menghasilkan nilai akurasi, presisi, recall dan f1-score tertinggi berturut turut sebesar 77.78%, 85%, 94% dan 89%.Kata kunci : Lion Parcel, SVM, sentimen, Lexicon Based. With the advancement of digital technology today, people can deliver long-distance goods more easily and efficiently. Lion parcel is one of the popular expedition applications that serves the delivery of goods. The research was conducted to measure the sentiment given by the users of the application to the Lion Parcel's expedition services. This sentiment analysis process is carried out through stages of data collection, data preprocessing, data labelling using lexicon-based approaches, and building an algorithm-based classification model based on the Support Vector Machine (SVM) through training and data testing stages, and model evaluation with a confusion matrix. The data collected successfully through scrapping data from the review of the Lion Parcel app on the google play store reached 1194 reviews. The results obtained after processing the data taken are positive sentiment reached 55.51% with a total of 630 data. Neutral feeling reached 24.76% with the total of 281 data. Negative feelings reached 19.74% with 224 data. SVM test results also yielded the highest accuracy, precision, recall and f1 scores in a row of 77.78%, 85%, 94% and 89%.Keywords: Lion Parcel, SVM, Sentiment, Lexicon Based.
ANALISIS PERBINCANGAN DALAM GRUP WHATSAPP DENGAN K-MEANS CLUSTERING Maria Tri Elsa; Sunneng Sandino Berutu; Febe Maedjaja
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 4 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i4.5554

Abstract

Whatsapp merupakan sebuah aplikasi yang mempermudah pengguna untuk mengirim pesan teks, foto, video, melakukan panggilan suara, dan panggilan video secara gratis dengan koneksi internet. “Grup Whatsapp Jual Beli Area UKRIM” memiliki sekitar 26.000 arsip pesan, yang membuktikan tingginya aktivitas dan interaksi anggota dalam transaksi jual beli. Anggota grup akan terbantu membuat strategi promosi barang jika mereka dapat memanfaatkan informasi mengenai kata dan barang yag paling sering muncul dalam chat group. Untuk mendapatkan informasi mengenai kata dan barang yang paling sering muncul dalam chat group diperlukan text clustering. Penelitian ini menggunakan Metode K-Means dalam melakukan text clustering untuk memperoleh kata-kata yang sering muncul tersebut. Setelah melalui prosedur pra-pemrosesan teks dan penerapan Metode Elbow, jumlah data diperkecil menjadi 4.732 data dan ditentukan 10 cluster yang optimal dalam “Grup Whatsapp Jual Beli Area UKRIM”. Hasil penerapan K-Means memperlihatkan kata yang paling sering muncul dalam cluster 0 adalah kata “jual” , dalam cluster 1 kata “info”, dalam cluster 2  kata “beli”, dalam cluster 3 kata “japri”, dalam cluster 4 kata “gas”, dalam cluster 5 kata “motor”, dalam cluster 6 kata “info”,”kost”, dalam cluster 7  kata  “hp”, dalam cluster  8  kata “kucing”,  dan dalam cluster 9  kata “rak”. Secara menyeluruh kata yang paling banyak muncul adalah kata “info” dengan jumlah 910 dan kata yang paling sedikit muncul adalah kata “iphone” dan “hewan”. Barang dagangan yang sering muncul adalah “meja”, “kipas”, “lemari”, “kasur”, dan “laptop