ISMIATI, Sita Diah and Gernowo, Rahmat and Suseno, Jatmiko Endro (2024) ANALISIS SENTIMEN PADA APLIKASI VIDIO MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN TOPSIS. Masters thesis, UNIVERSITAS DIPONEGORO.

	Text COVER-1 (1).pdf Download (114kB)
	Text COVER.pdf Restricted to Repository staff only Download (1MB)
	Text BAB 1.pdf Download (140kB)
	Text BAB 2.pdf Download (573kB)
	Text BAB 3.pdf Restricted to Repository staff only Download (423kB)
	Text BAB 4.pdf Restricted to Repository staff only Download (1MB)
	Text BAB 5.pdf Restricted to Repository staff only Download (372kB)
	Text DAFTAR PUSTAKA.pdf Download (455kB)

Abstract

Vidio adalah platform teknologi streaming Indonesia yang terintegrasi ke dalam KMK (Kreatif Media Karya) Online dan dapat digunakan oleh mereka yang berada di industri perfilman. Saat ini, yang dibutuhkan hanyalah akses internet dan platform streaming untuk menyediakan layanan yang lancar dan praktis. Manfaat streaming online bagi konsumen dapat mengurangi pengeluaran konsumen seperti biaya transportasi, makanan, dan hiburan. Studi ini bertujuan untuk menerapkan metodologi analisis sentimen pada aplikasi Vidio dengan menggunakan algoritma Naïve Bayes Classifier dan metode TOPSIS untuk menilai sentimen pengguna dalam aplikasi serta membantu pengembang memahami sentimen pengguna dan meningkatkan kualitas layanan. Studi ini menggunakan komentar pengguna dari aplikasi Vidio sebagai objek penelitiannya. Teknik Term Frequency-Inverse Document Frequency (TF-IDF) digunakan untuk menentukan frekuensi kemunculan sebuah kata dalam sebuah dokumen dan untuk menilai baik sentimen positif maupun negatif dalam setiap komentar. Algoritma Naïve Bayes Classifier digunakan untuk mengklasifikasikan sentimen dalam sebuah komentar, dan TOPSIS digunakan untuk mengurutkan sentimen berdasarkan nilai tertinggi ke terendah. Temuan penelitian menunjukkan bahwa metode analisis yang digunakan dalam aplikasi Vidio, yang menggunakan algoritma Naïve Bayes Classifier dan metode TOPSIS, dapat menghasilkan hasil yang akurat. Ambang akurasi yang dicapai adalah 85%, yang dapat membantu pengembang aplikasi lebih memahami perilaku pengguna dan meningkatkan kualitas layanan.
Kata kunci : Analisis Sentimen; TF-IDF; Naïve Bayes Classifier; TOPSIS

Vidio is an Indonesian streaming technology platform integrated into KMK (Kreatif Media Karya) Online and can be used by those in the film industry. Currently, all that is needed is internet access and a streaming platform to provide a smooth and practical service. The benefits of online streaming for consumers can reduce their expenses such as transportation, food, and entertainment costs. This study aims to apply sentiment analysis methodology to the Vidio application using the Naïve Bayes Classifier algorithm and the TOPSIS method to assess user sentiment within the application, as well as to help developers understand user sentiment and improve service quality. This study uses user comments from the Vidio application as its research object. The Term Frequency-Inverse Document Frequency (TF-IDF) technique is used to determine the frequency of a word's occurrence in a document and to assess both positive and negative sentiments in each comment. The Naïve Bayes Classifier algorithm is used to classify sentiment in a comment, and TOPSIS is used to rank sentiment from highest to lowest value. The research findings indicate that the analysis methods used in the Vidio application, which employs the Naïve Bayes Classifier algorithm and the TOPSIS method, can produce accurate results. The accuracy threshold achieved is 85%, which can help application developers better understand user behavior and improve service quality.
Keywords: Sentiment Analysis; TF-IDF; Naïve Bayes Classifier Algorithm; TOPSIS Method

Actions (login required)

View Item