ABSTRAK
Popularitas telepon pintar dan aplikasi seluler membuat unduhan dan pengguna
aplikasi meningkat secara eksponensial. Pengguna dapat memberikan ulasan terkait
dengan penggalaman menggunakan aplikasi, ulasan ini dapat berisi keluhan atau
saran yang berharga untuk dikaji lebih lanjut. Namun jumlah ulasan yang sangat
banyak menyulitkan untuk mencari dan memahami informasi yang terkandung
pada teks ulasan. Untuk mengatasi permasalahan tersebut pada penelitian ini
mengusulkan model yang dapat menggali informasi serta mengkategorikan konten
dan sentimen ulasan dengan menggunakan teknik pembelajaran mesin. Algoritme
SentiStrength, Support Vector Machine (SVM), Naïve Bayes, Logistic Regresion,
Latent Dirichlet Allocation (LDA) dan Non-negative Matrix Factorization (NMF)
digunakan pada penelitian ini. Hasil dari penelitian didapatkan rerata presisi
sentimen ulasan mencapai 85% dan algoritme terbaik untuk klasifikasi konten
ulasan didapatkan menggunakan SVM dengan nilai rerata f1-score 84.38%
menggunakan fitur unigram sedangkan NMF berkerja lebih baik daripada LDA
untuk menemukan topik pada teks ulasan.
|