Analisis Sentimen Ulasan Pengguna Aplikasi Dana Pada Google Play Store Menggunakan Metode Support Vector Machine Dan Word Embedding Fasttext

YUDHISAPUTRA, Fitra Syamli (2025) Analisis Sentimen Ulasan Pengguna Aplikasi Dana Pada Google Play Store Menggunakan Metode Support Vector Machine Dan Word Embedding Fasttext. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (39kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (145kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (302kB)
	Text 5. KATA PENGANTAR.pdf Download (208kB)
	Text 6. ABSTRAK.pdf Download (14kB)
	Text 7. ABSTRACT.pdf Download (11kB)
	Text 8. DAFTAR ISI.pdf Download (50kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (59kB)

Abstract

ABSTRAK
Aplikasi DANA merupakan salah satu digital wallet terkemuka di Indonesia yang banyak
digunakan untuk berbagai transaksi keuangan. Seiring dengan berkembangnya platform
pembayaran digital di Indonesia, pemahaman terhadap opini pengguna menjadi semakin
penting untuk meningkatkan kualitas layanan dan pengalaman yang diberikan. Penelitian ini
bertujuan untuk menganalisis sentimen pengguna aplikasi DANA di Google Play Store
dengan memanfaatkan metode Support Vector Machine (SVM) yang dikombinasikan
dengan word embedding FastText. Dataset yang digunakan terdiri dari ulasan pengguna
yang diambil dari Google Play Store dan dilabeli menggunakan model klasifikasi sentimen
berbasis Robustly Optimized BERT Pre-training Approach (RoBERTa) yang dilatih khusus
untuk Bahasa Indonesia. Penelitian ini menguji tiga skenario penerapan kernel SVM: linear,
RBF (Radial Basis Function), dan Polynomial. Hasil analisis menunjukkan bahwa kernel
Polynomial dengan parameter C = 0,1, gamma = 10, dan degree = 2 menghasilkan kinerja
terbaik dengan akurasi 93,80%; precision 95,11%; recall; 94,25%; dan f1-score 94,68%.
Hasil ini menunjukkan bahwa kombinasi SVM dan FastText mampu memberikan klasifikasi
sentimen yang akurat secara otomatis. Hasil analisis ini diharapkan dapat membantu dalam
meningkatkan kualitas layanan aplikasi DANA melalui pemahaman yang lebih baik
terhadap umpan balik pengguna.
Kata kunci : Analisis Sentimen, Digital Wallet, FastText, Support Vector Machine

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Informatics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	30 Oct 2025 02:39
Last Modified:	30 Oct 2025 02:39
URI:	https://eprints2.undip.ac.id/id/eprint/40437

Actions (login required)

View Item

Search for collections on Undip Repository