Perbandingan Naïve Bayes dan Random Forest
pada Analisis Sentimen Reputasi Brand Provider Live.On
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Asvia, Siva Nurul
Subject
T Technology (General)
Datestamp
2023-08-07 02:14:25
Abstract :
Pengguna internet di Indonesia terus meningkat dari tahun ke tahun, mencapai 215,63 juta orang pada 2022. Namun, banyak pengguna internet di Indonesia mengeluhkan layanan yang diberikan oleh penyedia layanan internet. Keluhan ini muncul karena penyedia layanan tidak memberikan kontrol penuh terhadap penggunaan layanan data dan pembagian kuota yang tidak sesuai. Untuk mengatasi masalah tersebut, Live.On hadir sebagai penyedia layanan digital baru dengan tujuan meningkatkan pengalaman pengguna. Untuk mengevaluasi keberhasilan Live.On, dilakukan analisis sentimen melalui platform Google Play untuk melihat umpan balik pengguna terkait layanan yang diberikan. Dalam penelitian ini, data diambil melalui proses data scraping di Google Play. Selanjutnya, data tersebut dianalisis menggunakan metode klasifikasi Naïve Bayes dan Random Forest. Untuk mengukur tingkat kepuasan pengguna, digunakan perhitungan Net Reputation Score (NRS). Hasil perbandingan menunjukkan bahwa ketika teknik SMOTE tidak digunakan, Random Forest memiliki performa yang lebih baik dibandingkan Naïve Bayes. Random Forest memiliki akurasi sebesar 80,37%, precision 61%, recall 58%, dan f1-score 57%, sementara Naïve Bayes memiliki akurasi 80%, precision 54%, recall 58%, dan f1- score 56%. Ketika teknik SMOTE diterapkan, Random Forest tetap mempertahankan performa yang lebih baik dengan akurasi 78%, precision 79%, recall 78%, dan f1-score 78%, sementara Naïve Bayes memiliki performa yang sama pada semua metrik dengan nilai 73%. Selain itu, berdasarkan perhitungan NRS dengan menggunakan hasil prediksi Naïve Bayes, reputasi provider Live.On memiliki nilai -33,08%, sedangkan menggunakan hasil prediksi Random Forest, reputasinya mencapai -41,08%. Kedua nilai reputasi tersebut berada di bawah rata-rata, sehingga Live.On dianggap memiliki reputasi yang buruk. Oleh karena itu, Live.On perlu memperbaiki keluhan yang dirasakan oleh pengguna agar dapat meningkatkan reputasinya. Kata Kunci: Analisis Sentimen, Google Play, Live.On, Naïve Bayes, Net Reputation Score, Random Forest
Pengguna internet di Indonesia terus meningkat dari tahun ke tahun, mencapai 215,63 juta orang pada 2022. Namun, banyak pengguna internet di Indonesia mengeluhkan layanan yang diberikan oleh penyedia layanan internet. Keluhan ini muncul karena penyedia layanan tidak memberikan kontrol penuh terhadap penggunaan layanan data dan pembagian kuota yang tidak sesuai. Untuk mengatasi masalah tersebut, Live.On hadir sebagai penyedia layanan digital baru dengan tujuan meningkatkan pengalaman pengguna. Untuk mengevaluasi keberhasilan Live.On, dilakukan analisis sentimen melalui platform Google Play untuk melihat umpan balik pengguna terkait layanan yang diberikan. Dalam penelitian ini, data diambil melalui proses data scraping di Google Play. Selanjutnya, data tersebut dianalisis menggunakan metode klasifikasi Naïve Bayes dan Random Forest. Untuk mengukur tingkat kepuasan pengguna, digunakan perhitungan Net Reputation Score (NRS). Hasil perbandingan menunjukkan bahwa ketika teknik SMOTE tidak digunakan, Random Forest memiliki performa yang lebih baik dibandingkan Naïve Bayes. Random Forest memiliki akurasi sebesar 80,37%, precision 61%, recall 58%, dan f1-score 57%, sementara Naïve Bayes memiliki akurasi 80%, precision 54%, recall 58%, dan f1- score 56%. Ketika teknik SMOTE diterapkan, Random Forest tetap mempertahankan performa yang lebih baik dengan akurasi 78%, precision 79%, recall 78%, dan f1-score 78%, sementara Naïve Bayes memiliki performa yang sama pada semua metrik dengan nilai 73%. Selain itu, berdasarkan perhitungan NRS dengan menggunakan hasil prediksi Naïve Bayes, reputasi provider Live.On memiliki nilai -33,08%, sedangkan menggunakan hasil prediksi Random Forest, reputasinya mencapai -41,08%. Kedua nilai reputasi tersebut berada di bawah rata-rata, sehingga Live.On dianggap memiliki reputasi yang buruk. Oleh karena itu, Live.On perlu memperbaiki keluhan yang dirasakan oleh pengguna agar dapat meningkatkan reputasinya. Kata Kunci: Analisis Sentimen, Google Play, Live.On, Naïve Bayes, Net Reputation Score, Random Forest
File :
1. COVER - SIVA NURUL ASVIA.pdf
2. LEMBAR PENGESAHAN - SIVA NURUL ASVIA.pdf
11. BAB III - SIVA NURUL ASVIA.pdf
12. BAB IV - SIVA NURUL ASVIA.pdf
13. BAB V - SIVA NURUL ASVIA.pdf
14. DAFTAR PUSTAKA - SIVA NURUL ASVIA.pdf
3. LEMBAR PENGUJI SIDANG TUGAS AKHIR - SIVA NURUL ASVIA.pdf
4. LEMBAR PERNYATAAN KEASLIAN TUGAS AKHIR - SIVA NURUL ASVIA.pdf
5. ABSTRAK - SIVA NURUL ASVIA.pdf
6. MOTO DAN PERSEMBAHAN - SIVA NURUL ASVIA.pdf
7. KATA PENGANTAR - SIVA NURUL ASVIA.pdf
8. DAFTAR - DAFTAR - SIVA NURUL ASVIA.pdf
9. BAB I - SIVA NURUL ASVIA.pdf
10. BAB 2 - SIVA NURUL ASVIA.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
