Analisis Sentimen Berbasis Aspek Pada Aplikasi Pegadaian Digital Terhadap Ulasan Pengguna Menggunakan Metode Random Forest
FAJAR SIDIK

Informasi Umum

Kode

23.04.6892

Klasifikasi

005.437 - User interfaces; graphical user interfaces, windowing programs

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Tugas Akhir

Dilihat

553 kali

Informasi Lainnya

Abstraksi

<p>Pegadaian merupakan salah satu badan usaha milik negara yang berbentuk lembaga keuangan non-bank . Saat ini pegadaian sedang melakukan transformasi sebagai bentuk nyata mendukung Transformasi BUMN. Salah satu langkah untuk melakukan transformasi tersebut adalah membangun aplikasi pegadaian digital sebagai bentuk perubahan model bisnis analog menjadi digital. Setelah diluncurkan untuk publik pada tahun 2018, aplikasi pegadaian digital mendapatkan ulasan yang variatif dari pengguna namun, penilaian masyarakat masih berada di poin 3,5 dari 5 poin. Berdasarkan wawancara dengan PT Pegadaian, hal ini menjadikan divisi teknologi dan informasi PT Pegadaian harus meningkatkan kualitas aplikasi pegadaian digital. Namun, dibutuhkan dasar yang kuat untuk pengambilan keputusan dalam menentukan dari mana harus dimulai perbaikan aplikasi ini. Karenanya, untuk membantu proses pengambilan keputusan dilakukanlah penelitian analisis sentimen berbasis aspek pada aplikasi pegadaian digital terhadap ulasan pengguna pada kolom <i>review google play store</i> menggunakan algoritma <i>random forest </i>dan tahapan KDD. Aspek yang digunakan dalam penelitian ini adalah <i>learnability, efficiency, errors </i>dan <i>satisfaction</i> dengan label netral (tidak ada), positif dan negatif. Pengujian dalam penelitian ini terbagi menjadi 2 skenario dengan fokus pada <i>split dataset</i> dan penggunaan parameter dasar dan <i>hyperparameter tuning </i>dengan algoritma <i>random forest</i>. Algoritma <i>random forest</i> dipilih karena dapat menangani <i>overfitting </i>dan menaikkan nilai akurasi. Kemudian dilakukan analisis menggunakan akurasi, presisi, <i>recall </i>dan <i>f1-score</i> serta menggunakan <i>k-fold cross validation</i> untuk menentukan model mengalami <i>overfitting</i> atau tidak. Hasil evaluasi menunjukan skenario menggunakan parameter dasar dan <i>split data </i>90:10 memberikan performansi terbaik dengan nilai akurasi sebesar 85,1%, presisi sebesar 86%, <i>recall </i>sebesar 77,7% dan <i>f1-score </i>sebesar 80,7% .</p>

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook