Tentang SmartLib Bantuan Pengguna

Skripsi S1

Record Data Skripsi S1

MhswID :

190401223

Judul :

KLASIFIKASI SENTIMEN PADA APLIKASI OME TV DENGAN MENGGUNAKAN ALGORITMA RANDOM FOREST

Penulis :

SINTIA ANGGIAT MARITO HUTAURUK

Abstrak :

menerapkan algoritma random forest dalam melakukan analisis sentiment terhadap ulasan aplikasi ome tv digoogle play store Pengumpulan data dilakukan dengan dua tahap yaitu Scrapping dan labelling. Scraping dilakukan dengan mengambil komentar aplikasi ome tv data yang dikumpulkan terdiri dari 10000 komentar. tahap labelling dilakukan untuk memberi label pada data Text preprocessing adalah proses dalam membersihkan data SMOTE adalah metode over-sampling dimana data pada kelas minoritas diperbanyak dengan menggunakan data yang berasal dari replikasi data padakelas minoritas Data diambil dari ulasan pengguna aplikasi Ome TV di Playstore menggunakan bahasa pemograman python. Data yang diambil 10.000 dataset dan memiliki variable yaitu Username, score, at dan content. Kemudian data disimpan dengan format file csv. Term Frequency-Inverse Document Frequency (TF-IDF) adalah pembobotan yang dilakukan untuk mendapatkan nilai dari suatu kata yang berhasil di ekstrak pada teks. Hasil dari tahap TF-IDF yaitu dari 10.000 dataset setelah dilakukan pembobotan kata atau kemunculan kata berjumlah 8134 kataBerdasarkan hasil yang telah dilakukan pada penelitian terhadap random forest untuk mengalisis sentimen pada aplikasi Ome TV di google play store dengan menggunakan 10.000 dataset mendapatkan hasil klasifikasi sentimen pada kelas positif 3036 , kelas negatif 2473 dan kelas netral 4491. Sehingga dapat ditarik kesimpulan bahwasanya hasil dari penelitian ini,Ome TV merupakan aplikasi yang baik digunakan untuk melakukan video conference

Abstrak Inggris :

applying the random forest algorithm to carry out sentiment analysis on reviews of the Ome TV application on the Google Play Store. Data collection was carried out in two stages, namely scrapping and labeling. Scraping is done by taking comments from the Ome TV application. The data collected consists of 10,000 comments. The labeling stage is carried out to label the data. Text preprocessing is the process of cleaning data. SMOTE is an over-sampling method where data in the minority class is multiplied using data originating from replication of data in the minority class. Data is taken from user reviews of the Ome TV application on Playstore using a programming language. python. The data taken is 10,000 datasets and has variables, namely Username, score, at and content. Then the data is saved in CSV file format. Term Frequency-Inverse Document Frequency (TF-IDF) is a weighting carried out to obtain the value of a word that has been successfully extracted from the text. The results of the TF-IDF stage, namely from 10,000 datasets after weighting words or word occurrences, amounted to 8134 words. Based on the results that have been carried out in research on random forests to analyze sentiment in the Ome TV application on the Google Play Store using 10,000 datasets, we get sentiment classification results in classes. positive class 3036, negative class 2473 and neutral class 4491. So it can be concluded that the results of this research, Ome TV is a good application to use for conducting video conferences

Tahun :

2023

Cover :

Bab 1 :

Bab 2 :

Bab 3 :

Bab 4 :