Penerapan Algoritma Decision Tree untuk Ulasan Aplikasi Vidio di Google Play

Ivana Lucia Kharisma(1*), Dhea Ayu Septiani(2), Anggun Fergina(3), Kamdan Kamdan(4)
(1) Program Studi Teknik Informatika, Universitas Nusa Putra
(2) Program Studi Teknik Informatika, Universitas Nusa Putra
(3) Program Studi Teknik Informatika, Universitas Nusa Putra
(4) Program Studi Teknik Informatika, Universitas Nusa Putra
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v9i2.2023.218-226


Abstrak


Aplikasi berbasis video streaming atau siaran langsung menjadi jenis aplikasi paling banyak digunakan di dunia. Video On Demand merupakan sistem interaktif yang memungkinkan kita memilih konten video yang akan ditonton. Vidio adalah portal online atau situs web streaming video yang didirikan pada tahun 2014. Situs web ini memungkinkan pengguna untuk menonton dan menikmati berbagai video dan layanan lain. Namun, berdasarkan ulasan di Google Play, Vidio mendapatkan rating rata-rata hanya sebesar 3.7 dari 623.000 lebih total ulasan. Hal tersebut yang mendorong dilakukannya penelitian ini. Data yang dikumpulkan adalah sebanyak 1000 data pada rentang waktu 2 Februari 2023 – 19 Februari 2023. Data tersebut diklasifikasikan ke dalam sentimen positif dan negatif menggunakan algoritma Decision Tree atau Pohon Keputusan. Berdasarkan 3 skenario pembagian data, didapatkan akurasi terbesar diperoleh dari pembagian data 80% data latih dan 20% data uji yaitu sebesar 97.3%. sedangkan pada skenario pembagian data 70:30, akurasinya 96.8%, dan pembagian data 90:10 akurasinya sebesar 96.8%. Dari akurasi yang telah diperoleh, untuk evaluasi pengujian model, penelitian ini menggunakan Confusion Matrix atau Matriks Kebingungan. Agar prediksi dari model yang telah dilatih agar tersedia untuk orang lain, penelitian ini melakukan model deployment menggunakan Streamlit.

Kata Kunci


Siaran Langsung, Analisa Sentimen, Pohon Keputusan, Matriks Kebingungan, Streamlit


Teks Lengkap:

PDF


Referensi


[1] Sandvine, “The Mobile Internet Phenomena Report,” 2021. Accessed: Jan. 27, 2023. [Online]. Available: https://www.sandvine.com/hubfs/Sandvine_Redesign_2019/Downloads/2021/Phenomena/MIPR%20Q1%202021%2020210510.pdf

[2] data.ai, “STATE OF MOBILE ,” 2022. Accessed: Feb. 27, 2023. [Online]. Available: https://www.data.ai/en/go/state-of-mobile-2022/

[3] N. A. Yusuf and Indrawati, “Analisis Faktor yang Memengaruhi Pembentukan Minat Berlangganan di Industri Video-On-Demand di Indonesia.,” vol. 3, pp. 161–173, 2019.

[4] Populix, “Indonesian Video Entertainment on Demand Comsumption,” Jul. 2022. Accessed: Feb. 03, 2023. [Online]. Available: https://info.populix.co/report/indonesian-video-entertainment-on-demand-consumption/

[5] Media Partner Asia, “Southeast Asia Online Consumer Insights and Analytics.” pp. 1–2, Nov. 22, 2022. [Online]. Available: https://media-partners-asia.com/AMPD/Q1_2022/SEA/PR.pdf

[6] S. A. Saputra, D. Rosiyadi, W. Gata, and S. M. Husain, “Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, pp. 377–382, 2019.

[7] M. Aufar, R. Andreswari, and D. Pramesti, “Sentiment Analysis on Youtube Social Media Using Decision Tree and Random Forest Algorithm: A Case Study,” 2020 IEEE International Conference on Data Science and Its Applications (ICoDSA), pp. 1–7, Oct. 2020, doi: 10.1109/ICoDSA50139.2020.9213078.

[8] T. W. Putra, A. Triayudi, and Andrianingsih, “Analisis Sentimen Pembelajaran Daring menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” JTIK (Jurnal Teknologi Informasi dan Komunikasi), pp. 20–26, Jan. 2022.

[9] P. D. Batlayeri and W. Gatta, “ANALISIS SENTIMEN PEJUALAN JAFRA DALAM PANDEMI COVID-19 DENGAN ALGORITMA KLASIFIKASI,” JIRE (Jurnal Informatika & Rekayasa Elektronika), vol. 5, pp. 11–18, Apr. 2022.

[10] M. T. Waluyan and K. D. Hartomo, “Analisis Sentimen Kebutuhan Fast Track Pada Originals Vidio Menggunakan Support Vector Machine,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 3, pp. 2153–2162, Sep. 2022, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/2348

[11] Ibnu Daqiqil ID, Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python, 1st ed. Riau: UR Press, 2021.

[12] B. T. Jijo and A. M. Abdulazeez, “Classification Based on Decision Tree Algorithm for Machine Learning,” JOURNAL OF APPLIED SCIENCE AND TECHNOLOGY TRENDS, vol. 02, no. 01, pp. 20–28, 2021.

[13] M. I. Aditama, R. I. Pratama, K. H. U. Wiwaha, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19,” JIEET (Journal Information Engineering and Educational Technology), vol. 04, no. 02, pp. 90–92, 2020, [Online]. Available: https://journal.unesa.ac.id/index.php/jieet/article/view/11018

[14] H. Nguyen, A. Veluchamy, M. Diop, and R. Iqbal, “Comparative Study of Sentiment Analysis with Product Reviews Using Machine Learning and Lexicon-Based Approaches ,” SMU Data Science Review, vol. 1, no. 4, 2018.

[15] B. A. Adli, “Analisis Sentimen Customer Review Produk Tokopedia Menggunakan Algoritma Decision Tree,” 2022.

[16] N. K. Widyasanti, I. K. G. D. Putra, and N. K. D. Rusjayanthi, “Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia,” MERPATI, vol. 6, no. 7, pp. 119–126, Aug. 2018.

[17] E. Undamayanti, T. I. Hermanto, and I. Kaniawulan, “Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 6, no. 2, pp. 916–930, Sep. 2022.

[18] D. A. N. Krisna and U. Salamah, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor Untuk Klasifikasi Berita Hoax Kesehatan Di Media Sosial Twitter,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 6, no. 2, pp. 836–845, Jul. 2022.

[19] D. P. Santoso and W. Wibowo, “Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier pada Situs Google Play Store,” JURNAL SAINS DAN SENI ITS, vol. 11, no. 2, pp. 190–196, 2022.

[20] S. Khairunnisa, Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, pp. 406–414, Apr. 2021.

[21] C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis sentimen pada rating aplikasi Shopee menggunakan metode Decision Tree berbasis SMOTE,” AITI: Jurnal Teknologi Informasi, vol. 18, no. 2, pp. 174–185, Aug. 2021.

[22] I. Mahayani, A. D. R, and M. E. Supriyadi, “Analisis Sentimen Twitter Terhadap Pembayaran ShopeePayLater Pada Aplikasi Belanja Online (Shopee) Menggunakan Metode Lexicon Based dan Naïve Bayes Classifier,” Jurnal Ilmiah KOMPUTASI, vol. 19, no. 4, pp. 545–558, Dec. 2020.

[23] R. Kosasih and A. Alberto, “Analisis Sentimen Produk Permainan Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor,” InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan, vol. 6, no. 1, pp. 134–139, 2021.

[24] S. W. Iriananda, R. P. Putra, and K. S. Nugroho, “Analisis Sentimen Dan Analisis Data Eksploratif Ulasan Aplikasi Marketplace Google Playstore ,” The 4th Conference on Innovation and Application of Science and Technology (CIASTECH), pp. 473–482, Dec. 2021.

[25] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer dan Informatika (J-SAKTI), vol. 5, no. 2, pp. 697–711, Sep. 2021.

[26] I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Citec Journal, vol. 6, no. 1, pp. 1–11, Jan. 2019.

[27] Terence Shin, “What Does it Mean to Deploy A Machine Learning Model?,” Towards Data Science, Apr. 23, 2020. https://towardsdatascience.com/what-does-it-mean-to-deploy-a-machine-learning-model-dddb983ac416#:~:text=Deploying%20a%20machine%20learning%20model,input%20and%20return%20an%20output. (accessed May 21, 2023).

[28] A. B. Prasetyo and T. G. Laksana, “Optimasi Algoritma K-Nearest Neighbors dengan Teknik Cross Validation Dengan Streamlit (Studi Data: Penyakit Diabetes),” Journal of Applied Informatics and Computing (JAIC), vol. 6, no. 2, pp. 194–204, Dec. 2022.


Artikel Statistik

Abstrak telah dilihat : 529 kali
PDF telah dilihat : 262 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.