ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI DISCORD MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Reva Qintara Rohmansa
Nunik Pratiwi
Muhammad Jeral Palepa


DOI: https://doi.org/10.29100/jipi.v9i1.4943

Abstract


Pada masa pandemi COVID-19, aplikasi Discord menjadi semakin populer karena dapat digunakan untuk bekerja dan berkomunikasi jarak jauh. Popularitas ini dibuktikan dengan meningkatnya jumlah unduhan aplikasi Discord di Google Play Store. Pada bulan Juni 2020, Discord mencatat 100 juta pengguna aktif per bulan, dan jumlah tersebut terus bertambah hingga saat ini. Selain itu, aplikasi Discord juga mendapatkan peringkat 4,1 di Google Play Store, yang menunjukkan bahwa aplikasi ini dinilai baik oleh pengguna. Penelitian ini dilakukan untuk menganalisis sentimen terhadap aplikasi Discord. Penelitian ini mengumpulkan 2.000 dataset ulasan pengguna, kemudian melakukan tahap preprocessing dan pelabelan, termasuk penghapusan data duplikat, sehingga tersisa 1.807 dataset. Setelah itu, peneliti mengimplementasikan algoritma K-Nearest Neighbor untuk melakukan uji evaluasi dan mengklasifikasikan sentimen positif dan negatif berdasarkan data latih dan data uji yang sudah ditentukan. Pengujian menggunakan teknik k-5 fold, dan menghasilkan akurasi rata-rata sebesar 82,76%.

Keywords


Discord; Google Play Store; K-Nearest Neighbor; Sentimen

Full Text:

PDF

Article Metrics :

References


I. Artikel, “Sistem Informasi Akademik Berbasis Web Menggunakan Node JS , Express JS dan MongoDB,” vol. 23, pp. 51–56, 2023.

M. Raffi, A. Suharso, and I. Maulana, “Analisis Sentimen Ulasan Aplikasi Binar Pada Google Play Store Menggunakan Algoritma Naïve Bayes,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 6, no. 1, pp. 450–462, 2023, doi: 10.31539/intecoms.v6i1.6117.

C. Kesuma et al., “Rancang Bangun Sistem Informasi Penyewaan Mobil Berbasis Web,” vol. 23, pp. 124–128, 2023.

E. Efriani, J. A. Dewantara, and A. Afandi, “Pemanfaatan Aplikasi Discord Sebagai Media Pembelajaran Online,” J. Teknol. Inf. dan Pendidik., vol. 13, no. 1, pp. 61–65, 2020, doi: 10.24036/tip.v13i1.283.

A. Rakhmawan et al., “Analisis Pemanfaatan Aplikasi Discord Dalam Pembelajaran Daring Di Era Pandemi Covid-19,” Pros. Semin. Nas. Pendidik. FKIP, vol. 3, no. 1, pp. 55–59, 2020.

M. R. Ridho, M. Muhaimin, and H. S. Harjono, “Pengaruh Aplikasi Discord Dalam Pembelajaran Daring Terhadap Hasil Belajar Pada Matakuliah Komputer,” J. Ilm. Bina Edukasi, vol. 14, no. 1, pp. 22–35, 2021, doi: 10.33557/jedukasi.v14i1.1367.

F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.

Maruli Tua Silaen, “Klasifikasi Karakteristik Kepribadian Siswa Berdasarkan the Big Five Personality Dengan Menggunakan Metode K- Nearest Neighbor (Knn),” J. Inform. dan Rekayasa Elektron., vol. 6, no. 1, pp. 121–129, 2023, doi: 10.36595/jire.v6i1.860.

Muflih Ihza Rifatama, Mohammad Reza Faisal, Rudy Herteno, Irwan Budiman, and Muhammad Itqan Mazdadi, “Optimasi Algoritma K-Nearest Neighbor Dengan Seleksi Fitur Menggunakan Xgboost,” J. Inform. dan Rekayasa Elektron., vol. 6, no. 1, pp. 64–72, 2023, doi: 10.36595/jire.v6i1.723.

R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” J. Inform., vol. 8, no. 2, pp. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.

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. A. Sari, E. Sinduningrum, and F. Noor Hasan, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Ulasan Pelanggan Pada Aplikasi Fore Coffee Menggunakan Metode Naïve Bayes,” Media Online), vol. 3, no. 6, pp. 773–779, 2023, doi: 10.30865/klik.v3i6.884.

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.

J. Homepage, S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “IJCIT (Indonesian Journal on Computer and Information Technology) Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 6, no. 2, pp. 118–127, 2021.

H. Said, N. H. Matondang, and H. N. Irmanda, “Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kualitas Air Yang Dapat Dikonsumsi,” Techno.Com, vol. 21, no. 2, pp. 256–267, 2022, doi: 10.33633/tc.v21i2.5901.

N. Soleha, D. Syauqy, and E. Setiawan, “Sistem Deteksi dan Klasifikasi Pergerakan Kepala Menggunakan K-Nearest Neighbor,” vol. 3, no. 10, pp. 9929–9934, 2019, [Online]. Available: http://j-ptiik.ub.ac.id

L. A. Rahman Malik, M. Kamayani, and F. N. Hasan, “Faktor-Faktor Yang Mempengaruhi Minat Calon Mahasiswa Baru Mendaftar Pada Ftii Uhamka Menggunakan Algoritma K-Nearest Neighbor (K-Nn),” Infotech J. Technol. Inf., vol. 9, no. 1, pp. 85–94, 2023, doi: 10.37365/jti.v9i1.163.

S. N. Salsabila, B. N. Sari, and R. Mayasari, “Klasifikasi Ulasan Pengguna Aplikasi Discord Menggunakan Metode Information Gain Dan Naïve Bayes Classifier,” INFOTECH J., vol. 9, no. 2, pp. 383–392, 2023, doi: 10.31949/infotech.v9i2.6277.