Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Dicki Fareza, Ichsan
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN KUALITAS APLIKASI DISCORD MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Dicki Fareza, Ichsan; Tri Esti Handayani, Endah
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13362

Abstract

Awalnya Discord merupakan aplikasi yang sering digunakan oleh para gamer sebagai platform komunikasi, namun seiring berjalannya waktu, Discord telah memperluas basis penggunanya untuk mencakup beragam komunitas besar. Jumlah pengguna Discord yang kian bertambah, sangat dipengaruhi oleh persepsi dan ulasan positif dari para pengguna. Namun, tidak dapat dipungkiri bahwa masih ada ulasan negatif yang menunjukkan adanya aspek-aspek tertentu yang perlu diperbaiki. Sebagian besar ulasan pengguna Discord di Google Play Store memiliki rating di bawah 5 bintang dan banyak pengguna mengeluhkan adanya bug atau kendala dalam aplikasi. Penelitian ini bertujuan untuk mengetahui tingkat kepuasan pengguna terhadap aplikasi Discord, serta memberikan masukan atau support kepada pengembang Discord mengenai aspek aplikasi yang perlu ditingkatkan atau perlu diperbaiki. Dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine untuk melakukan klasifikasi pada analisis sentimen ulasan pengguna aplikasi Discord, kita dapat memahami lebih jauh bagaimana persepsi tersebut memengaruhi kualitas Discord. Hasil penelitian menunjukkan bahwa model SVM memiliki kinerja yang lebih baik dibandingkan Naive Bayes, dengan nilai akurasi keseluruhan mencapai 88%. Sementara itu Naive Bayes memperoleh akurasi keseluruhan sebesar 78%.
Co-Authors Endah Tri Esti Handayani