ANALISIS SENTIMEN TERHADAP ULASAN PADA GOOGLE PLAY STORE MENGENAI LAYANAN SIM ONLINE PADA APLIKASI DIGITAL KORLANTAS POLRI DENGAN METODE RNN JENIS LSTM

Sebastian Bagus, Kurniawan (2024) ANALISIS SENTIMEN TERHADAP ULASAN PADA GOOGLE PLAY STORE MENGENAI LAYANAN SIM ONLINE PADA APLIKASI DIGITAL KORLANTAS POLRI DENGAN METODE RNN JENIS LSTM. Other thesis, UNSADA.

	Text COVER.pdf Download (2MB)
	Text BAB 1.pdf Download (804kB)
	Text BAB 2.pdf Download (983kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (2MB)
	Text BAB 5.pdf Download (663kB)
	Text DAFTAR PUSTAKA.pdf Download (666kB)
	Text LAMPIRAN.pdf Download (771kB)
	Text HASIL TURNITIN.pdf Restricted to Registered users only Download (521kB)
	Text Surat Hasil Cek Turnitin_Sebastian Bagus Kurniawan - Sebastian Bagus Kurniawan.pdf Restricted to Registered users only Download (606kB)

Abstract

Digital Korlantas merupakan aplikasi resmi dari Kepolisian Negara Republik Indonesia (Polri) yang menyediakan layanan digital Korps Lalu Lintas. Ketidaksempurnaan pada aplikasi ini menyebabkan banyaknya keluhan dari penggunanya. Keluhan tersebut dapat dilihat pada ulasan aplikasi di Google Play Store. Keluhan pengguna merupakan aspek penting yang harus diperhatikan dalam pengembangan aplikasi sebagai evaluasi untuk meningkatkan pelayanan. Analisis sentimen dapat dilakukan untuk mengklasifikasikan ulasan pengguna. Penelitian ini berhasil membuat sebuah sistem yang mampu mengklasifikasikan ulasan pengguna dengan menggunakan metode LSTM yang dapat diakses pada https://analisissentimen-digitalkorlantas.my.id/. Berdasarkan tahap evaluasi, LSTM memiliki performa yang lebih baik dibandingkan dengan Naive Bayes dan SVM. Model LSTM memiliki akurasi sebesar 92.11%, presisi sebesar 87.95%, recall sebesar 95.56%, dan F1-Score sebesar 91.6%. Sedangkan Naive Bayes memiliki akurasi sebesar 90.46%, presisi sebesar 89.86%, recall sebesar 90.68%, dan F1Score sebesar 90.27%. Lalu SVM dengan LinearSVC memiliki akurasi sebesar 90.23%, presisi sebesar 93.13%, recall sebesar 86.36%, dan F1-Score sebesar 89.62%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Digital Korlantas, Analisis Sentimen, Text Mining, TF-IDF, Google Play Store, LSTM, CRISP-DM, Django
Subjects:	000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	29 Jul 2024 07:19
Last Modified:	29 Jul 2024 07:19
URI:	http://repository.unsada.ac.id/id/eprint/8184

Actions (login required)

View Item