Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKJumlah ulasan pengguna untuk sebuah aplikasi mobile bisa mencapai ribuan sehingga membutuhkan waktu banyak bagi pengembang aplikasi untuk memilah-milah dan mencari informasi yang penting untuk pengembangan aplikasi selanjutnya. Oleh karena itu penelitian ini bertujuan untuk melakukan klasifikasi secara otomatis terhadap ulasan pengguna aplikasi mobile yang dimiliki oleh PT PQR. Klasifikasi otomatis yang dilakukan pada penelitian ini menggunakan pendekatan machine learning. Fitur-fitur yang diekstrak dari data adalah unigram, bigram, star rating, panjang ulasan, serta rasio jumlah kata bersentimen positif dan negatif. Untuk algoritma klasifikasi digunakan Na ve Bayes, Support Vector Machine, Logistic Regression dan Decision Tree. Hasil percobaan menunjukkan bahwa fitur bigram dan star rating berdampak negatif pada performa klasifikasi. Algoritma Na ve Bayes menghasilkan precision terbaik sebesar 85,3, sedangkan algoritma Logistic Regression menghasilkan recall dan F-measure terbaik sebesar 85.

---

ABSTRACTThe number of user reviews for a mobile app can reach thousands so it will take a lot of time for app developers to sort through and find information that is important for further app development. Therefore, this study aims to classify automatically mobile application user reviews of PT PQR. Automatic classification conducted in this study using machine learning approach. The features extracted from the data are unigram, bigram, rating score, review length, as well as the ratio of the number of words contain positive and negative sentiment. For classification algorithms, we used Na ve Bayes, Support Vector Machine, Logistic Regression and Decision Tree. The experimental results show that bigram and star rating has negative impact on the classifier performance. Na ve Bayes algorithm gives the best precision of 85,3 , while Logistic Regression gives the best recall and F measure of 85."

"ABSTRAKMenjelang era 2000-an adalah era euphoria bisnis dengan basis internetatau popular dengan bisnis dotcom. Bisnis ini diyakini memiliki tingkatpengembalian modal yang tinggi karena mampu menghasilkan laba denganmodal yang lebih kecil karena tidak memerlukan investasi peralatan atau aktivatetap yang tinggi sebagaimana perusahaan lainnya. Keunggulan lain yangdiproyeksikan saat itu adalah kemajuan teknologi yang memicu akselerasipermintaan produk dengan lebih cepat dan mudah. Hal ini memicu kenaikanharga saham perusahaan yang bergerak di bisnis dotcom dengan angka yangfantastis kala itu dan mendorong meningkatnya baik pembelian saham danmasuknya pelaku-pelaku baru di bisnis ini. Fenomena ini berlaku juga diIndonesia. Tetapi dalam waktu singkat menjelang awal tahun 2001, prediksigemerlapnya bisnis dotcom ini dipertanyakan kembali seiring dengan runtuhnyabeberapa perusahaan dotcom karena ternyata baik pertumbuhan permintaaanproduk, pemasukan iklan dan tingkat profitabilitas yang dihasilkan tidaklahsebesar yang dibayangkan semula. Akibatnya harga saham bisnis dotcom punmenurun menyusul pula penutupan beberapa perusahaan di bisnis ini dan PHKmassal para profesionalnya. Di Indonesia pun tak luput dari gejala buruk ini. Yang menjadi pertanyaan besar adalah bagaimana sebenarnya menilaimasa depan bisnís tipe ini dengan penilaian yang seakurat mungkin mengingatdata historisnya nyaris tidak ada. Dan beberapa metode penilaian (valuation)yang diperkenalkan, metode Economic Value Added yang dipopulerkan SternStewart agaknya dapat mencoba menjawab permasalahan valuasi ini. Salah satutokohnya adalah Aswath Damodaran yang mencoba menghitung EVAperusahaan dotcom atau perusahaan berbasis teknologi tinggi dengan analisaperhitungan spreadsheet EVA sebagaimana dirnunculkan dalam bukunya DarkSide of Valuation. Damodaran mencoba melakukan penilaian dengan sampleperusahaan seperti Amazon.com, Ariba, dan lain-lain. Di Indonesia, penulis mencoba mengaplikasikan metoda yang dipakaioleh Damodaran ini pada perusahaan dotcom pertama yang go public yakni PTMyohdotcom Indonesia dalam bahasan karya akhir kali ini untuk melihatprediksi fluai perusahaan dotcom semacam ini."

"The industry provocateur behind such companies as Twitter and a nascent Facebook presents an irreverent exposé of life inside the tech bubble that traces his hedonist lifestyle against a backdrop of early social media and online marketing, sharing critical insights into how they are shaping today's world."