TY - JOUR
T1 - Klasifikasi Ulasan Pengguna Aplikasi: Studi Kasus Aplikasi Ipusnas Perpustakaan Nasional Republik Indonesia (PNRI)
AU - Septiani, Andina
AU - Budi, Indra
PY - 2022
Y1 - 2022
N2 - Menurunnya jumlah tren pengguna baru aplikasi iPusnas berpengaruh terhadap penurunan pencapaian nilai target laporan LKIP Pujasintara PNRI 2020 2024. Hal tersebut berkaitan dengan nilai peringkat ulasan pengguna aplikasi di Google Playstore yang dinilai masih lebih rendah dibandingkan aplikasi sejenis lainnya. Electronic Word of Mouth (EWOM) yang sangat berpengaruh terhadap keputusan calon pengguna baru aplikasi dalam mempertimbangkan aplikasi terbaik yang sejenis, karena melibatkan tinjauan nilai peringkat dan ulasan pengguna. Beberapa penelitian terdahulu membuktikan bahwa kesulitan selalu dihadapi ketika melakukan analisis atau penggalian informasi penting dalam ulasan pengguna aplikasi secara manual. Analisis ulasan sangat berguna untuk mengembangkan fitur layanan aplikasi agar dapat meningkatkan kepuasan pengguna dan peringkat nilai aplikasi, sehingga diperlukan alat bantu klasifikasi ulasan pengguna secara otomatis dengan mencari model terbaik yang sesuai. Penelitian ini menerapkan metodologi CRISP-DM, tetapi hanya sampai tahap evaluasi. Algoritma klasifikasi yang digunakan adalah Nae Bayes, Logistic Regression, Support Vector Machine (SVM), serta kombinasi fitur tf-idf unigram, bigram, dan trigram. Hasil penelitiannya adalah kombinasi fitur tf-idf unigram (F1) dengan algoritma SVM mencapai nilai terbaik untuk setiap nilai evaluasi precision, recall, dan f1-score masing-masing sebesar 87%. Nilai evaluasi terendah precision 55% dari hasil kombinasi fitur F2 dengan SVM, recall 42% dan f1-score 32% dari kombinasi fitur F3 dengan logistic regression.
AB - Menurunnya jumlah tren pengguna baru aplikasi iPusnas berpengaruh terhadap penurunan pencapaian nilai target laporan LKIP Pujasintara PNRI 2020 2024. Hal tersebut berkaitan dengan nilai peringkat ulasan pengguna aplikasi di Google Playstore yang dinilai masih lebih rendah dibandingkan aplikasi sejenis lainnya. Electronic Word of Mouth (EWOM) yang sangat berpengaruh terhadap keputusan calon pengguna baru aplikasi dalam mempertimbangkan aplikasi terbaik yang sejenis, karena melibatkan tinjauan nilai peringkat dan ulasan pengguna. Beberapa penelitian terdahulu membuktikan bahwa kesulitan selalu dihadapi ketika melakukan analisis atau penggalian informasi penting dalam ulasan pengguna aplikasi secara manual. Analisis ulasan sangat berguna untuk mengembangkan fitur layanan aplikasi agar dapat meningkatkan kepuasan pengguna dan peringkat nilai aplikasi, sehingga diperlukan alat bantu klasifikasi ulasan pengguna secara otomatis dengan mencari model terbaik yang sesuai. Penelitian ini menerapkan metodologi CRISP-DM, tetapi hanya sampai tahap evaluasi. Algoritma klasifikasi yang digunakan adalah Nae Bayes, Logistic Regression, Support Vector Machine (SVM), serta kombinasi fitur tf-idf unigram, bigram, dan trigram. Hasil penelitiannya adalah kombinasi fitur tf-idf unigram (F1) dengan algoritma SVM mencapai nilai terbaik untuk setiap nilai evaluasi precision, recall, dan f1-score masing-masing sebesar 87%. Nilai evaluasi terendah precision 55% dari hasil kombinasi fitur F2 dengan SVM, recall 42% dan f1-score 32% dari kombinasi fitur F3 dengan logistic regression.
KW - Klasifikasi Ulasan
KW - Algoritma Classifier
KW - Machine Learning
KW - Text Mining
UR - https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/3216
U2 - 10.29100/jipi.v7i4.3216
DO - 10.29100/jipi.v7i4.3216
M3 - Article
SN - 2540-8984
VL - 7
SP - 1110
EP - 1120
JO - JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
JF - JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
IS - 4
ER -