Santoso, Dinda Putri (2021) Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier Pada Situs Goole Play Store. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
10611710000003_Undergraduate_Thesis.pdf - Accepted Version Download (3MB) | Preview |
Abstract
Buzzbreak merupakan salah satu aplikasi baru yang terdaftar pada situs google play store yang dibuat pada tahun 2019 dimana aplikasi ini dapat menghasilkan uang dengan cara menukarkan point yang didapatkan melalui hasil membaca berita dan melihat video pada laman aplikasi tersebut. Point yang telah ditukarkan dapat langsung masuk ke dalam saldo rekening pengguna terkait yang telah terdaftar. Aplikasi Buzzbreak mulai diminati pada saat Covid-19 mulai muncul di Indonesia. Hal tersebut dikarenakan aplikasi Buzzbreak membawa terobosan baru hanya dengan melihat video dan membaca berita, pengguna smartphone dapat mendapatkan uang. Aplikasi Buzzbreak mendapatkan banyak ulasan yang diberikan oleh penggunanya baik dari ulasan yang mengarah ke arah positif dan negatif, sehingga hal tersebut dapat membuat pengguna baru yang ingin mengunduh kesulitan dalam menyimpulkan ulasan apakah yang paling dominan didapatkan oleh aplikasi Buzzbreak. Oleh karena itu, untuk memberikan informasi terkait dominan ulasan baik dari segi positif, dan negatif yang didapatkan oleh aplikasi Buzzbreak diperlukan suatu analisis yaitu menggunakan metode Naïve Bayes Classifier. Ulasan didapatkan melalui crawling data pada situs google play store. Naive bayes classifier digunakan karena metode ini merupakan metode yang sederhana daripada metode lain seperti SVM dan memiliki nilai ketepatan akurasi yang baik. Selain itu, menganilisis kata-kata yang paling sering muncul dari masing-masing sentimen akan divisualisasikan melalui wordcloud. Hasil yang didapatkan dari analisis sentimen ulasan aplikasi Buzzbreak pada situs Google Play Store adalah review yang diberikan oleh pengguna Buzzbreak mengarah ke sentiment positif, serta berdasarkan visualisasi wordcloud, term yang paling sering muncul pada sentimen positif adalah “bagus” dan term yang paling sering muncul pada sentimen negatif adalah “jelek”. Hasil analisis ketepatan klasifikasi menggunakan naïve bayes classfier adalah data training dengan split ratio 70%:30% dengan nilai AUC sebesar 76.52% dan pada data testing split ratio 90%:10% di mana nilai AUC sebesar 79.34% dapat diartikan bahwa tingkat akurasi klasifikasinya sedang.
======================================================================================================
Buzzbreak is one of the new applications registered on the google play store site created in 2019. This application can make money by exchanging points obtained through reading news and viewing videos on the application page. Points that have been redeemed can be directly entered into the account balance of the registered user. The Buzzbreak application began to be in demand when Covid-19 began to appear in Indonesia. This is because the Buzzbreak application brings a breakthrough. Just by watching videos and reading the news, smartphone users can earn money. The Buzzbreak application gets many reviews from its users, both from reviews that lead to positive and negative directions. It can make new users who want to download it difficult to conclude what reviews are the most dominant for the Buzzbreak application. Therefore, to provide information related to the dominant positive and negatif reviews obtained by the Buzzbreak application, an analysis is needed, namely using the Naïve Bayes Classifier method. Reviews are obtained through data crawling on the google play store site. The Naive Bayes classifier is used because this method is a more straightforward method than other methods such as SVM and has a good value for accuracy. In addition, analyzing the most frequently occurring words from each sentimen will be visualized through a wordcloud. The results obtained from the Sentiment Analysis of the Buzzbreak Application Review Using the Naïve Bayes Classifier Method on the Google Play Store Site are review given by Buzzbreak’s users leading to positive sentiment and based on wordcloud visualization, the most frequent term appearing on a positive sentiment is “good” and the term that appears mos often in a negative sentiment is “bad”. The results of classification prediction with Naïve Bayes Classifier are prediction of the training data with a split ratio 70%:30% with AUC value of 76.52% and the testing data with a split ratio 90%:10% with AUC value of 79.34% can be interpreted that the classification accuracy level is moderate.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Buzzbreak, Naïve Bayes Classifier, Ulasan |
| Subjects: | Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory. |
| Divisions: | Faculty of Vocational > 49501-Business Statistics |
| Depositing User: | Dinda Putri Santoso |
| Date Deposited: | 04 Aug 2021 06:49 |
| Last Modified: | 21 Oct 2024 01:02 |
| URI: | http://repository.its.ac.id/id/eprint/84760 |
Actions (login required)
 |
View Item |