:: UI - Tugas Akhir :: Kembali

UI - Tugas Akhir :: Kembali

Klasifikasi dan pengukuran sentimen ulasan pengguna pada Google Play Store = What users want for gig economy platforms: Sentiment analysis approach

Nadina Adelia Indrawan; Yudho Giri Sucahyo, supervisor; Adhi Yuniarto Laurentius Yohannes, examiner; Rizal Fathoni Aji, examiner (Fakultas Ilmu Komputer Universitas Indonesia, 2020)

 Abstrak

Platform digital, termasuk aplikasi mobile, mempunyai peran penting dalam gig
economy, yaitu sebagai media gig worker dalam berinteraksi dengan penyedia layanan
tenaga kerja. Aplikasi mobile berbasis gig economy semakin diminati masyarakat.
Peningkatan jumlah pengguna mengakibatkan meningkatnya jumlah unduhan dan ulasan
yang diberikan. Namun, semakin banyak ulasan menyulitkan pengembang dalam
memahami informasi yang terdapat dalam ulasan. Selain itu, satu ulasan dapat memiliki
berbagai informasi. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan model
yang dapat mengkategorikan konten dan sentimen ulasan menggunakan teknik
pembelajaran mesin. Algoritme Support Vector Machine (SVM), Multinomial Naïve
Bayes, Complement Naïve Bayes, Binary Relevance, Classifier Chain, dan Label power
set digunakan pada penelitian ini. Hasil dari penelitian didapatkan algoritme SVM
sebagai algoritme terbaik, baik pada klasifikasi sentimen ulasan maupun kategorisasi
ulasan.

Digital platforms, including mobile applications, have an important role in gig economy,
as a gig worker platform in interacting with labor service providers. Gig economy based
mobile applications are increasingly in demand by the public. An increase in the number
of users results in an increase in the number of downloads and reviews provided.
However, the number of reviews makes it difficult for developers to understand the
information contained in reviews. In addition, one review can have a variety of
information. To overcome this problem, this study proposes a model that can categorize
content and sentiment reviews using machine learning techniques. Support Vector
Machine (SVM), Multinomial Naïve Bayes, Complement Naïve Bayes, Binary
Relevance, Classifier Chain, and Label power sets were used in this study. The results of
the study obtained the SVM algorithm as the best algorithm, both in the classification of
sentiment reviews and review categorization.

 File Digital: 1

Shelf
 TA-Nadina Adelia Indrawan.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : TA-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2020
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xi, 86 pages : illustration + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
TA-pdf 16-22-11771227 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20515805