Analisis Sentimen Berbasis Aspek Untuk Pengguna Pln Mobile Pada Google Playstore Menggunakan Metode Support Vector Machine (Svm)

Hilal, Khaliffan Rahmat and Ir. Nanang Yudi Setiawan,, S.T., M.Kom and Dr. Ir. Dian Eka Ratnawati,, S.Si., M.Kom (2024) Analisis Sentimen Berbasis Aspek Untuk Pengguna Pln Mobile Pada Google Playstore Menggunakan Metode Support Vector Machine (Svm). Sarjana thesis, Universitas Brawijaya.

Abstract

Perusahaan Listrik Negara atau dikenal dengan PT. PLN (Persero) merupakan perusahaan yang bergerak dibidang jasa penyedia listrik di Indonesia dan termasuk Badan Usaha Milik Negara. Untuk memahami aspek-aspek yang memberikan pengaruh positif dan negatif pada aplikasi PLN Mobile, serta perbedaan signifikan dalam rating aplikasi serupa seperti MyPertamina, penelitian ini dilakukan. Penelitian ini berfokus pada ulasan pengguna dari Juli 2023 hingga April 2024 yang berbahasa Indonesia. Metode yang digunakan meliputi Latent Dirichlet Allocation (LDA) untuk mengekstrak aspek-aspek dari sentimen pengguna dan Support Vector Machine (SVM) untuk mengklasifikasikan sentimen tersebut. Data dikumpulkan melalui web scraping dari Google PlayStore, kemudian diproses melalui beberapa tahapan seperti normalisasi, tokenisasi, dan stemming. Hasil analisis menunjukkan bahwa metode yang digunakan mampu mengidentifikasi aspek-aspek kunci yang mempengaruhi sentimen pengguna, baik secara positif maupun negatif. Evaluasi model dilakukan menggunakan Confusion Matrix dan K�Fold Cross-Validation untuk memastikan akurasi klasifikasi sentimen. Visualisasi hasil analisis ditampilkan dalam bentuk Word Cloud untuk memberikan gambaran yang lebih jelas mengenai distribusi sentimen. Analisis lanjutan menggunakan Root Cause Analysis: 5 Why’s membantu mengidentifikasi faktor-faktor yang mendasari sentimen negatif. Penerapan Root Cause Analysis: 5 Why’s menemukan beberapa akar permasalahan yang menjadi alasan munculnya ulasan negatif yang dapat memberikan pengetahuan yang dapat digunakan untuk mengembangkan aplikasi PLN Mobile

English Abstract

Perusahaan Listrik Negara, known as PT. PLN (Persero), is a company engaged in the provision of electricity services in Indonesia and is a State-Owned Enterprise. To understand the aspects that have positive and negative impacts on the PLN Mobile application, as well as the significant differences in ratings of similar applications such as MyPertamina, this research was conducted. This research focuses on user reviews from July 2023 to April 2024 in Indonesian. The methods used include Latent Dirichlet Allocation (LDA) to extract aspects from user sentiment and Support Vector Machine (SVM) to classify this sentiment. Data was collected through web scraping from Google PlayStore, then processed through several stages such as normalization, tokenization, and stemming. The analysis results show that the methods used can identify key aspects that affect user sentiment, both positively and negatively. Model evaluation was carried out using Confusion Matrix and K-Fold Cross-Validation to ensure the accuracy of sentiment classification. The analysis results are visualized in the form of a Word Cloud to provide a clearer picture of sentiment distribution. Further analysis using Root Cause Analysis: 5 Why's helps identify factors underlying negative sentiment. This research shows that the PLN Mobile application has several aspects that need improvement. The implementation of Root Cause Analysis: 5 Why's identified several root causes behind the negative reviews, providing insights that can be used to develop the PLN Mobile application.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	Analisis Sentimen Berbasis Aspek, Topic Modelling, PLN Mobile, Support Vector Machine, Latent Dirichlet Allocation, Root Cause Analysis: 5 Why’s-Aspect-Based Sentiment Analysis, Topic Modelling, PLN Mobile, Support Vector Machine, Latent Dirichlet Allocation, Root Cause Analysis: 5 Why’s
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	05 Nov 2024 07:58
Last Modified:	05 Nov 2024 07:58
URI:	http://repository.ub.ac.id/id/eprint/228096

Text (DALAM MASA EMBARGO) Khaliffan Rahmat Hilal.pdf Restricted to Registered users only Download (7MB)

Actions (login required)

View Item