Cover Image

Analisa Sentimen Review Aplikasi Mobile Menggunakan Metode Ensemble Classifier Berbasis Weighted Vote”

Main Author: Intanlasari, AyuNanda
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2016
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/146713/1/Skripsi_Analisa_Sentimen_Fix.pdf
http://repository.ub.ac.id/146713/
ctrlnum 146713
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/146713/</relation><title>Analisa Sentimen Review Aplikasi Mobile Menggunakan Metode Ensemble Classifier Berbasis Weighted Vote&#x201D;.</title><creator>Intanlasari, AyuNanda</creator><subject>005 Computer programming, programs, data</subject><description>Banyaknya pengguna smartphone membuat banyak pihak berlomba-lomba menciptakan aplikasi mobile untuk mempermudah aktivitas. salah satunya adalah aplikasi mobile banking yang membuat nasabah dari suatu bank tertentu tidak perlu repot-repot datang ke ATM hanya untuk transfer atau cek saldo. Namun aplikasi tentu tak selamanya berjalan mulus sesuai keinginan pengembang. Akan ada banyak masukan, kritik maupun saran (komentar) yang masuk untuk me-review apakah aplikasi sudah berjalan dengan baik. Komentar akan menjadi acuan tentang baik buruknya suatu aplikasi. Untuk itu diperlukan suatu opinion mining dalam kasus ini adalah analisa sentimen untuk mengetahui apakah komentar tersebut benar-benar bersifat positif atau negatif. Dalam penelitian ini digunakan metode ensemble classifier untuk mendapatkan nilai akurasi yang lebih baik dengan menggabungkan 2 single classifier yaitu Naive Bayes dan KNN. Hasil keluaran dari sistem ini nantinya adalah komentar tersebut akan termasuk ke dalam komentar yang positif atau negatif. Nilai akurasi tertinggi yang didapatkan adalah dengan menggunakan metode ensemble dengan akurasi mencapai 86.731% kemudian Naive Bayes dengan akurasi 86.084% dan KNN sebesar 85.436% dengan 915 data latih dan 309 data uji.</description><date>2016-01-14</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/146713/1/Skripsi_Analisa_Sentimen_Fix.pdf</identifier><identifier> Intanlasari, AyuNanda (2016) Analisa Sentimen Review Aplikasi Mobile Menggunakan Metode Ensemble Classifier Berbasis Weighted Vote&#x201D;. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2016/178/051601496</relation><recordID>146713</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Intanlasari, AyuNanda
title Analisa Sentimen Review Aplikasi Mobile Menggunakan Metode Ensemble Classifier Berbasis Weighted Vote”
publishDate 2016
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/146713/1/Skripsi_Analisa_Sentimen_Fix.pdf
http://repository.ub.ac.id/146713/
contents Banyaknya pengguna smartphone membuat banyak pihak berlomba-lomba menciptakan aplikasi mobile untuk mempermudah aktivitas. salah satunya adalah aplikasi mobile banking yang membuat nasabah dari suatu bank tertentu tidak perlu repot-repot datang ke ATM hanya untuk transfer atau cek saldo. Namun aplikasi tentu tak selamanya berjalan mulus sesuai keinginan pengembang. Akan ada banyak masukan, kritik maupun saran (komentar) yang masuk untuk me-review apakah aplikasi sudah berjalan dengan baik. Komentar akan menjadi acuan tentang baik buruknya suatu aplikasi. Untuk itu diperlukan suatu opinion mining dalam kasus ini adalah analisa sentimen untuk mengetahui apakah komentar tersebut benar-benar bersifat positif atau negatif. Dalam penelitian ini digunakan metode ensemble classifier untuk mendapatkan nilai akurasi yang lebih baik dengan menggabungkan 2 single classifier yaitu Naive Bayes dan KNN. Hasil keluaran dari sistem ini nantinya adalah komentar tersebut akan termasuk ke dalam komentar yang positif atau negatif. Nilai akurasi tertinggi yang didapatkan adalah dengan menggunakan metode ensemble dengan akurasi mencapai 86.731% kemudian Naive Bayes dengan akurasi 86.084% dan KNN sebesar 85.436% dengan 915 data latih dan 309 data uji.
id IOS4666.146713
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:48:38Z
last_indexed 2021-10-28T07:34:09Z
recordtype dc
_version_ 1751454633307406336
score 17.538404

Lihat Juga