Classification of Sentiment Analysis in The Vn Video Editor Maker Vlognow Application Using The Method Support Vector Machine (SVM) (Case Study: Play Store Comments/Reviews)
Klasifikasi Analisis Sentimen pada Aplikasi Vn Video Editor Maker Vlognow dengan Menggunakan Metode Support Vector Machine (SVM) (Studi Kasus: Komentar/Ulasan Play Store)
DOI:
https://doi.org/10.21070/ups.420Keywords:
VN video editor, Playstore, Support Vector Machine, RBFAbstract
VlogNow video editor maker is an editing platform application with a rating of 4.6 found on the Google Playstore. On the Google Playstore, the application is assessed using a rating and followed by reviews from users. Reviews can contain good opinions or even bad opinions based on the level of user satisfaction with the application. In this study, sentiment analysis will be carried out using the Support Vector Machine algorithm to determine user sentiment towards the VN application. The kernel used is the RBF (Radial Basis Function) kernel with a total of 1,000 data. The best accuracy results are obtained through the scenario of dividing the dataset with a ratio of 70:30 resulting in an accuracy of 88.40%
Downloads
References
Purmadi, A. (2021). Pemanfaatan Aplikasi VN Untuk Pembuatan Video Pembelajaran Menggunakan Telepon Pintar Kepada Guru PAUD. Jurnal Pengabdian Masyarakat, Vol1 No1.
Anjasmoros, M. T. (2020). ANALISIS SENTIMEN APLIKASI GO-JEK MENGGUNAKAN METODE SVM DAN NBC (STUDI KASUS: KOMENTAR PADA PLAY STORE). CIASTECH 2020.
Maulana, Y. (2018). Implementasi Text Mining Pada Penilaian Otomatis Ujian Jawaban Esai Dengan Metode Hirarki Clustering. Jurnal Universitas Dian Nuswantoro Semarang.
Syarifuddin, M. ( 2020). ANALISIS SENTIMEN OPINI PUBLIK TERHADAP EFEK PSBB PADA TWITTER DENGAN ALGORITMA DECISION TREE-KNN-NAÏVE BAYES. Malang: PPPM Nusa Mandiri.
Latius Hermawan, M. B. (2020). Pembelajaran Text Preprocessing berbasis Simulator. journals.usm.ac.id/index.php/transformatika, Vol.17, No.2,.
Muhammad, S. (2020). ANALISIS SENTIMEN OPINI PUBLIK MENGENAI COVID-19 PADA TWITTER MENGGUNAKAN METODE NAÏVE BAYES DAN KNN. INTI NUSA MANDIRI, VOL. 15. NO. 1.
Dyah Auliya Agustina, S. S. (2020). Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine . Indonesian Journal of Applied Statistics , Volume 3 No. 2.
Nelly Indriani, E. R. (2017). Peringkasan dan Support Vector Machine pada Klasifikasi. JURNAL INFOTEL, Vol.9 No.4 .
Rijallahudin, R. K. (2016). Pengaruh Penggunaan Layanan Aplikasi Digital Google Play. Jurnal Komunikatio ISSN 2442-3882, Volume 2 Nomor 2.
Fonda. (2020) IMPLEMENTASI TEXT MINING PADA TWITTER DENGAN ALGORITMA K-MEANS CLUSTERING SEBAGAI DASAR KEBIJAKAN MARKETING BIRO PERJALANAN WISATA. JIK. 2020;9 (2): 138 - 147
Budi Ilmawan (2020) Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store Vol. 12 No. 2, Agustus 2020, pp.154-161
Meisya Permata, (2021) PERBANDINGAN KERNEL SUPPORT VECTOR MACHINE (SVM) DALAM PENERAPAN ANALISIS SENTIMEN VAKSINISASI COVID-19, ISSN 2598-7305 | E-ISSN 2598-9642 Vol. 4 No 2
Siti Masripah, L. D. (2020). Algoritma Klasifikasi Naïve Bayes untuk Analisa Sentimen Aplikasi Shopee . JURNAL SWABUMI, Vol.8 No.2.
Lubis, A. A. (2020). Prediksi Akurasi Perusahaan Saham Menggunakan SVM dan. Jurnal SIFO Mikroskil, VOL 21, NO 1.
Rahmawati Hakim, (2020, Analisis Sentimen Pengguna Instagram Terhadap Kebijakan Kemdikbud Mengenai Bantuan Kuota Internet dengan Metode Support Vector Machine (SVM), Vol. 8 No. 2 Ed. Juli - Des. 2020.
Downloads
Additional Files
Posted
License
Copyright (c) 2023 UMSIDA Preprints Server
This work is licensed under a Creative Commons Attribution 4.0 International License.
