Perbandingan Algoritma Support Vector Machine, Decision Tree, dan Logistic Regresion Pada Analisis Sentimen Ulasan Aplikasi Netflix

Nevita Cahaya Ramadani(1*), Imam Tahyudin(2), Azhari Shouni Barkah(3)
(1) Universitas Amikom Purwokerto
(2) Universitas AMIKOM Purwokerto
(3) Universitas AMIKOM Purwokerto
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v10i2.2024.110-117


Abstrak


Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan pengguna Netflix menggunakan algoritma machine learning seperti Support Vector Machine (SVM), Decision Tree dan Logistic Regression. Dataset yang terdiri dari 3000 ulasan pengguna diambil dari Google Play Store dan melalui proses preprocessing teks yang mencakup penghapusan karakter, tokenisasi, penghapusan stopword, stemming, serta penyaringan token pendek. Metode TF-IDF digunakan untuk ekstraksi dan pembobotan fitur dalam analisis. Evaluasi hasil menunjukkan bahwa SVM secara konsisten memberikan akurasi yang lebih tinggi dibandingkan Decision Tree dan Logistic Regression dalam klasifikasi sentimen, dengan SVM mencapai akurasi rata-rata 88.18% dan puncak tertinggi 92.69% dalam K-Fold Cross Validation. Implikasi praktis dari penelitian ini adalah Netflix dapat memanfaatkan analisis sentimen untuk meningkatkan pengalaman pengguna dan pengelolaan layanan lebih baik.

Kata Kunci


Support Vector Machine, Decision Tree, Logistic Regression, Sentimen Analysis, Netflix


Teks Lengkap:

PDF


Referensi


[1] O. Hondro, “Analisis Sentimen Pengguna Aplikasi E-Wallet Dana Melalui Postingan di Media Sosial Twitter Menggunakan Naïve Bayes,” KETIK J. Inform., 2023, [Online]. Available: https://jurnal.faatuatua.com/index.php/KETIK/article/view/18.

[2] K. P. J. Sitompul, A. R. Pratama, and K. A. Baihaqi, “Komparasi Algoritma Naive Bayes, Support Vector Machine, dan Logistic Regression Pada Analisis Sentimen Pengguna Aplikasi Transportasi Online,” Kumpul. J. Ilmu Komput., vol. 10, no. 01, pp. 27–38, 2023.

[3] A. Zamsuri, E. Asril, and M. Sadar, “Analisis Sentimen Opini Terhadap Vaksin Covid-19 Pada Media Sosial Twitter,” vol. 5, no. 1, pp. 100–110, 2015.

[4] M. I. Amal, E. S. Rahmasita, E. Suryaputra, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Isu Kebocoran Data Kartu Identitas Ponsel di Twitter,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 3, 2022, doi: 10.28932/jutisi.v8i3.5483.

[5] F. A. Larasati, D. E. Ratnawati, and ..., “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. …, 2022, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11562.

[6] N. N. Sepriadi, “Analisis Sentimen Review Aplikasi Mypertamina Menggunakan Word Embedding Fasttext Dan Algoritma K-Nearest Neighbor,” Anal. Sentimen Rev. Apl. …, 2023, [Online]. Available: https://repository.uin-suska.ac.id/73902/.

[7] A. A. Achmad, K. Iin, and Y. Iska, “Analisis Klasifikasi Sentimen Berbasis Topik pada Ulasan Layanan Dana dan Sakuku dengan Convolutional Neural Network,” Inf. (Jurnal Inform. dan …, 2023, [Online]. Available: http://ojs.stmik-im.ac.id/index.php/INFORMASI/article/view/267.

[8] Oktavianus and M. Hondro, “Analisis Sentimen Pengguna Aplikasi E-Wallet Dana Melalui Postingan di Media Sosial Twitter Menggunakan Naïve Bayes,” J. Inform., vol. 01, no. 01, pp. 27–31, 2023.

[9] I. N. Kusuma and I. Ali, “Analisis Sentimen Pada Pengguna Aplikasi Dana Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., 2024, [Online]. Available: https://ejournal.itn.ac.id/index.php/jati/article/view/9041.

[10] W. E. Saputro, H. Yuana, and ..., “Analisis Sentimen Pengguna Dompet Digital Dana Pada Kolom Komentar Google Play Store Dengan Metode Klasifikasi Support …,” JATI (Jurnal Mhs. …, 2023, [Online]. Available: https://ejournal.itn.ac.id/index.php/jati/article/view/6842.

[11] A. SAPUTRA, Analisis Sentimen Aplikasi Investasi Reksa Dana (Bibit) Menggunakan Metode Support Vector Machine. eprints.upnyk.ac.id, 2023.

[12] M. et Al., Introduction to Information Retrieval. 2008.

[13] F. F. Kiedrowsky and Andrianingsih, “Sentiment Analysis Marketplaces Digital menggunakan Machine Learning,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 7, no. 3, pp. 493–499, 2023, doi: 10.35870/jtik.v7i3.1002.

[14] Imamah and F. H. Rachman, “Twitter sentiment analysis of Covid-19 using term weighting TF-IDF and logistic regresion,” Proceeding - 6th Inf. Technol. Int. Semin. ITIS 2020, pp. 238–242, 2020, doi: 10.1109/ITIS50118.2020.9320958.

[15] H. D. Wulandari and I. A. Rahman, “Cryptocurrency Price Volatility Analysis On Bitcoin And Altcoins Before And During The Covid-19 Pandemic In Indonesia,” J. …, 2022, [Online]. Available: http://ejournal.aibpmjournals.com/index.php/JICP/article/view/2008.

[16] F. M. Delta Maharani, A. Lia Hananto, S. Shofia Hilabi, F. Nur Apriani, A. Hananto, and B. Huda, “Perbandingan Metode Klasifikasi Sentimen Analisis Penggunaan E-Wallet Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor,” Metik J., vol. 6, no. 2, pp. 97–103, 2022, doi: 10.47002/metik.v6i2.372.


Artikel Statistik

Abstrak telah dilihat : 0 kali
PDF telah dilihat : 0 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.