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

Penulis

  • Nevita Cahaya Ramadani Universitas Amikom Purwokerto
  • Imam Tahyudin Universitas AMIKOM Purwokerto
  • Azhari Shouni Barkah Universitas AMIKOM Purwokerto

DOI:

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

Kata Kunci:

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

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.

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.

Unduhan

Telah diserahkan

11-07-2024

Diterima

13-08-2024

Diterbitkan

31-08-2024

Cara Mengutip

[1]
N. C. Ramadani, I. Tahyudin, dan A. Shouni Barkah, “Perbandingan Algoritma Support Vector Machine, Decision Tree, dan Logistic Regresion Pada Analisis Sentimen Ulasan Aplikasi Netflix”, TEKNOSI, vol. 10, no. 2, hlm. 110–117, Agu 2024.

Terbitan

Vol 10 No 2 (2024): Agustus 2024

Bagian

Articles

Lisensi

Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.

Kami menyatakan bahwa:

  1. Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
  2. Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
  3. Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.

 Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.

Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.

Hak / Syarat dan Ketentuan yang dipertahankan :

  1. Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
  2. Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya  ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
  3. Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.