Analisa Kualitas Fitur Aplikasi Mobile Dengan Menggunakan Pendekatan Sentimen Grey

Birdyne Yanuar Melani, Septiyawan Rosetya Wardhana, Dian Puspita Hapsari, Nanang Fakhrur Rozi

Abstract


Media sosial adalah salah satu media untuk berkomunikasi yang banyak diminati oleh para penggunanya.
Seiring semakin banyaknya pengguna yang mengunduh aplikasi media sosial berbasis mobile, membuat
para develover rutin meriliskan fitur-fitur terbaru setiap rentan waktu tertentu. Akan tetapi, tidak semua fitur
diterima dengan baik oleh para pengguna dalam berselancar di media sosial. Para pengguna mempunyai
peran untuk memberikan penilaian terhadap fitur terbaru yang dirilis pada media sosial yang digunakannya.
Semakin banyak suatu fitur media sosial yang mendapatkan komentar positif, maka fitur tersebut berhasil
diterima dengan baik oleh para penggunanya. Sebaliknya semakin banyak komentar negatif yang didapat,
maka fitur media sosial tersebut kurang dapat diterima oleh para penggunanya. Namun, masih belum ada
sistem untuk mengulas komentar para pengguna media sosial. Melalui pendekatan Sentimen Grey
berdasarkan Grey Sentiment Lexicon dilakukan dalam penelitian ini untuk mendapatkan nilai sentimen dan
tingkat kepuasan para pengguna terhadap fitur aplikasi media sosial berbasis mobile. Berdasarkan percobaan
yang dilakukan terhadap tiga media sosial, didapatkan nilai akurasi, presisi, recall dan f-measure berturutturut sebesar 78.14%, 83.13%, 90.2% dan 86.52%. Hasil tersebut menunjukkan bahwa Sentimen Grey dapat
digunakan sebagai sistem untuk mengklasifikasikan komentar serta mampu memberikan nilai sentimen
yang terkandung dalam komentar pengguna.

Keywords


Analisis Sentimen; Komentar; Lexicon-Based; Media Sosial; Sentimen Grey

Full Text:

PDF

References


Indrayuni, E. (2019). Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes, VII(1), 29–36.

Cotfas, L. A., Delcea, C., Raicu, I., Bradea, I. A., & Scarlat, E. (2017). Grey sentiment analysis using SentiWordNet. 2017 IEEE International Conference on Grey Systems and Intelligent Services, GSIS 2017, 284–288. https://doi.org/10.1109/GSIS.2017.8077719.

Chandani, V., Komputer, F. I., & Nuswantoro, U. D. (2015). Komparasi Algoritma Klasifikasi Machine Learning Dan Feature Selection pada Analisis Sentimen Review Film,1(1), 56–60.

Rasywir, E., & Purwarianti, A. (2015). Eksperimen pada Sistem Klasifikasi Berita Hoax Berbahasa Indonesia Berbasis Pembelajaran Mesin. Jurnal Cybermatika, 3(2), 1–8. Retrieved from http://cybermatika.stei.itb.ac.id/ojs/index.php/cybermatika/article/view/133.

Ruysbergh, A. (2017). Positive , Negative And Mixed, 2016–2017.

Liu, S., & Lin, Y. (2006). Grey Information Theory and Practical Applications. London :Springer-Verlag.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Prosiding Seminar Nasional Sains dan Teknologi Terapan

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.