ANALISIS SENTIMEN DAN TOPIK ULASAN APLIKASI MITIGASI BENCANA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN LATENT DIRICHLET ALLOCATION - Dalam bentuk buku karya ilmiah
REGINA XYLA MAHARANI

Informasi Umum

Kode

25.04.6259

Klasifikasi

300.285 - Data Analysis of Social Science

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Analisa Data

Dilihat

34 kali

Informasi Lainnya

Abstraksi

<p>InaRISK adalah aplikasi dari BNPB yang bertujuan menyampaikan informasi kebencanaan kepada masyarakat. Namun, banyak ulasan pengguna menunjukkan ketidakpuasan, terutama terkait keandalan sistem dan kenyamanan penggunaan. Penelitian ini bertujuan mengklasifikasikan dan menganalisis sentimen serta topik utama dalam ulasan pengguna berdasarkan tiga aspek <i>Information System Success Model</i> (ISSM): kualitas informasi, sistem, dan layanan.</p>

<p>Data diambil dari Google Play Store, App Store, dan Twitter dengan total 1.119 ulasan. Setelah melalui <i>preprocessing</i>, data dianalisis menggunakan algoritma <i>Support Vector Machine</i> (SVM) untuk klasifikasi sentimen dan <i>Latent Dirichlet Allocation</i> (LDA) untuk identifikasi topik dari ulasan – ulasan negatif.</p>

<p>Hasil menunjukkan mayoritas ulasan positif untuk aspek informasi (617) dan layanan (370), namun ulasan negatif tinggi pada aspek sistem (346). Versi 3.x.x menjadi versi dengan keluhan terbanyak. LDA menemukan isu dominan seperti akses aplikasi yang sulit, kehilangan data, dan berbagai fitur tambahan yang diinginkan oleh pengguna.</p>

<p>Model SVM paling efektif pada aspek sistem (<i>F1-score</i> 0.8801), sementara model untuk layanan cenderung <i>underfitting</i>. Temuan ini menunjukkan perlunya peningkatan kualitas sistem untuk mendukung efektivitas aplikasi dalam mitigasi bencana dan memperbaiki pengalaman pengguna.</p>

• ISI4H3 - ANALITIKA DATA
• ISH4F3 - BIG DATA ANALITIK
• ISI4G3 - PENAMBANGAN DATA

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook