ANALISIS SENTIMEN PADA ULASAN APLIKASI THREADS DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

Farhan Nufairi
Nunik Pratiwi
Fariz Herlando


DOI: https://doi.org/10.29100/jipi.v9i1.4929

Abstract


Threads merupakan sebuah aplikasi media sosial yang dirilis oleh Instagram pada tahun 2023 bulan Juli lalu. Di Google Play Store sendiri aplikasi Threads telah menjadi populer, dengan lebih dari 50 juta unduhan dan rating rata-rata 4,5. Terkadang, isi rating dan ulasan suatu produk atau layanan dapat berbeda. Dalam mengembangankan aplikasi, perlu memperhatikan pendapat dari pengguna, bukan hanya jumlah rating. Oleh karena itu, penelitian ini bertujuan untuk mengetahui sentimen pengguna aplikasi Threads di Google Play Store, baik positif maupun negatif, dan untuk mengetahui tingkat akurasi algoritma Support Vector Machine (SVM) dalam menganalisis sentimen tersebut. Metode penelitian melibatkan pengumpulan ulasan pengguna Threads, preprocessing, pelabelan, dan penerapan algoritma SVM untuk mengklasifikasikan sentimen ulasan menjadi positif dan negatif. Setelah melakukan implementasi algoritma, pengujian evaluasi merupakan tahap terakhir dari proses implementasi algoritma. Data yang digunakan dalam penelitian ini adalah data ulasan aplikasi Threads di Google Play Store, yang berjumlah 1429 data. Dari jumlah tersebut, 1103 merupakan ulasan positif dan 326 merupakan ulasan negatif. Hasil pengujian evaluasi menunjukkan bahwa algoritma SVM dapat mengklasifikasi ulasan aplikasi Threads dengan akurasi sebesar 88%. Akurasi ini diperoleh dengan menggunakan rasio pembagian data sebesar 80:20.

Keywords


Support Vector Machine; Threads; Analisis Sentimen

Full Text:

PDF

Article Metrics :

References


Inez, “Apa Itu Threads? Aplikasi Baru yang Digadang-gadang Jadi Pengganti Twitter, Trending di Media Sosial,” tribunnews.com. Accessed: Sep. 09, 2023. [Online]. Available: https://jateng.tribunnews.com/2023/07/07/apa-itu-threads-aplikasi-baru-yang-digadang-gadang-jadi-pengganti-twitter-trending-di-media-sosial

A. Z. Yonatan, “Indonesia Peringkat 4, Ini Dia 7 Negara Pengguna Internet Terbesar di Dunia,” data.goodstats.id. Accessed: Nov. 14, 2023. [Online]. Available: https://data.goodstats.id/statistic/agneszefanyayonatan/indonesia-peringkat-4-ini-dia-7-negara-pengguna-internet-terbesar-di-dunia-FLw6V

M. Syaharani, “10 Negara Dengan Pengguna Smartphone Terbanyak Di Dunia, Indonesia Masuk Daftar!,” goodstats.id. Accessed: Nov. 14, 2023. [Online]. Available: https://goodstats.id/article/10-negara-dengan-pengguna-smartphone-terbanyak-di-dunia-indonesia-masuk-daftar-fDv25

R. B. Lubis, “Membandingkan Tingkat Kecepatan Internet Kota-Kota di Kawasan Asia Tenggara,” goodstats.id. Accessed: Nov. 14, 2023. [Online]. Available: https://goodstats.id/article/membandingkan-tingkat-kecepatan-internet-kota-kota-di-kawasan-asia-tenggara-t1Iu7

D. V. Putsanra, “Apa Itu Threads di Instagram dan Bagaimana Menggunakannya?,” tirto.id. Accessed: Sep. 09, 2023. [Online]. Available: https://tirto.id/apa-itu-threads-di-instagram-dan-bagaimana-menggunakannya-gMGs

Sarnita Sadya, “APJII: Pengguna Internet Indonesia 215,63 Juta pada 2022-2023,” dataindonesia.id. Accessed: Sep. 09, 2023. [Online]. Available: https://dataindonesia.id/digital/detail/apjii-pengguna-internet-indonesia-21563-juta-pada-20222023

A. R. Satria, S. Adinugroho, and S. Suprapto, “Analisis Sentimen Ulasan Aplikasi Mobile menggunakan Algoritma Gabungan Naive Bayes dan C4.5 berbasis Normalisasi Kata Levenshtein Distance,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 11, pp. 4154–4163, 2020, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/8270

S. Fransiska and A. Irham Gufroni, “Sentiment Analysis Provider by.U on Google Play Store Reviews with TF-IDF and Support Vector Machine (SVM) Method,” Sci. J. Informatics, vol. 7, no. 2, pp. 2407–7658, 2020, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, p. 113, 2018, doi: 10.26418/jp.v4i2.27526.

G. Radiena and A. Nugroho, “Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Kai Access Menggunakan Metode Support Vector Machine,” J. Pendidik. Teknol. Inf., vol. 6, no. 1, pp. 1–10, 2023, doi: 10.37792/jukanti.v6i1.836.

A. C. Najib, A. Irsyad, G. A. Qandi, and N. A. Rakhmawati, “Perbandingan Metode Lexicon-based dan SVM untuk Analisis Sentimen Berbasis Ontologi pada Kampanye Pilpres Indonesia Tahun 2019 di Twitter,” Fountain Informatics J., vol. 4, no. 2, p. 41, 2019, doi: 10.21111/fij.v4i2.3573.

R. A. Saputra, D. Puspitasari, and T. Baidawi, “Deteksi Kematangan Buah Melon Dengan Algoritma Support Vector Machine Berbasis Ekstraksi Fitur GLCM,” J. Infortech, vol. 4, no. 2, pp. 200–206, 2022, [Online]. Available: https://ejournal.bsi.ac.id/ejurnal/index.php/infortech/article/view/14436

N. Pratiwi and Y. Setyawan, “Analisis Akurasi Dari Perbedaan Fungsi Kernel Dan Cost Pada Support Vector Machine Studi Kasus Klasifikasi Curah Hujan Di Jakarta,” J. Fundam. Math. Appl., vol. 4, no. 2, pp. 203–212, 2021, doi: 10.14710/jfma.v4i2.11691.

M. Ichwan, I. A. Dewi, and Z. M. S, “Klasifikasi Support Vector Machine (SVM) Untuk Menentukan TingkatKemanisan Mangga Berdasarkan Fitur Warna,” MIND J., vol. 3, no. 2, pp. 16–23, 2019, doi: 10.26760/mindjournal.v3i2.16-23.

M. F. Naufal, T. Arifin, and H. Wirjawan, “Analisis Perbandingan Tingkat Performa Algoritma SVM, Random Forest, dan Naïve Bayes untuk Klasifikasi Cyberbullying pada Media Sosial,” Jurasik (Jurnal Ris. Sist. …, vol. 8, pp. 82–90, 2023, [Online]. Available: http://tunasbangsa.ac.id/ejurnal/index.php/jurasik/article/view/544%0Ahttp://tunasbangsa.ac.id/ejurnal/index.php/jurasik/article/download/544/522

S. Rita et al., “PENGGUNAAN SUPPORT VECTOR MACHINE UNTUK ANALISIS USING SUPPORT VECTOR MACHINE FOR SENTIMENT ANALYSIS OF,” vol. 20, no. 2, pp. 131–140, 2023.

D. Safryda Putri and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine,” J. Ilm. Inform., vol. 11, no. 01, pp. 32–40, 2023, doi: 10.33884/jif.v11i01.6611.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 147, 2021, doi: 10.25126/jtiik.0813944.

N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.

C. Villavicencio, J. J. Macrohon, X. A. Inbaraj, J. H. Jeng, and J. G. Hsieh, “Twitter sentiment analysis towards covid-19 vaccines in the Philippines using naïve bayes,” Inf., vol. 12, no. 5, 2021, doi: 10.3390/info12050204.

Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.

R. Ramadhan, M. Afdal, I. Permana, and M. Jazman, “Analisis Sentimen pada Ulasan Aplikasi Maxim di Google Play Store dengan K-Nearest Neighbor,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 3, pp. 715–724, 2023, doi: 10.30865/jurikom.v10i3.6396.

T. Malik Iryana and P. Pandu Adikara, “Analisis Sentimen Masyarakat Terhadap Mass Rapid Transit Jakarta Menggunakan Metode Naïve Bayes Dengan Normalisasi Kata,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 6, pp. 2548–964, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.

A. Wibowo, Firman Noor Hasan, Rika Nurhayati, and Arief Wibowo, “Analisis Sentimen Opini Masyarakat Terhadap Keefektifan Pembelajaran Daring Selama Pandemi COVID-19 Menggunakan Naïve Bayes Classifier,” J. Asiimetrik J. Ilm. Rekayasa Inov., vol. 4, pp. 239–248, 2022, doi: 10.35814/asiimetrik.v4i1.3577.

O. Somantri, S. Wiyono, and D. Dairoh, “Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM),” Sci. J. Informatics, vol. 3, no. 1, pp. 34–45, 2016, doi: 10.15294/sji.v3i1.5845.

R. W. Pratiwi, S. F. H, D. Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doi: 10.20895/inista.v4i1.387.

A. Z. Praghakusma and N. Charibaldi, “Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus : Komisi Pemberantasan Korupsi),” JSTIE (Jurnal Sarj. Tek. Inform., vol. 9, no. 2, p. 88, 2021, doi: 10.12928/jstie.v9i2.20181.

D. Ardiansyah, A. Saepudin, R. Aryanti, E. Fitriani, and Royadi, “Analisis Sentimen Review Pada Aplikasi Media Sosial Tiktok Menggunakan Algoritma K-Nn Dan Svm Berbasis Pso,” J. Inform. Kaputama, vol. 7, no. 2, pp. 233–241, 2023, doi: 10.59697/jik.v7i2.148.

M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.

P. R. Saputra Andri , Subing Mulia, “Perbandingan Metode Naïve Bayes Classifier Dan Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Mengenai Piala Dunia Fifa 2022,” Teknomatika, vol. 13, no. 01, pp. 22–31, 2023.