<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen berbasis aspek terhadap ulasan pengguna aplikasi Riliv versi 3.0 hingga 3.8.0. Setiap ulasan diklasifikasikan ke dalam lima aspek usability: learnability, efficiency, memorability, errors, dan satisfaction menggunakan metode Cosine Similarity serta dua kelas sentimen: positif dan negatif menggunakan kamus Indonesia Sentiment (InSet) Lexicon. Model klasifikasi dilatih menggunakan algoritma Random Forest Classifier, baik tanpa penyeimbangan data maupun dengan penyeimbangan data menggunakan teknik oversampling, SMOTE. Hasil penelitian menunjukkan akurasi tertinggi diperoleh dari proporsi pembagian data 80%:20%. Dengan penyeimbangan data, nilai akurasi meningkat dari 85% menjadi 88% untuk klasifikasi aspek dan dari 89% menjadi 91% untuk klasifikasi sentimen. Dari kelima aspek usability, tiga aspek didominasi oleh ulasan positif, yaitu aspek learnability, memorability, dan satisfaction. Sedangkan dua lainnya, aspek efficiency dan errors didominasi oleh ulasan negatif.]]>
Copyrights © 2025
