ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN PEMODELAN TOPIK MENGGUNAKAN ALGORITMA NON-NEGATIVE MATRIX FACTORIZATION (NMF) PADA APLIKASI SEKOLAH.MU BERDASARKAN ULASAN DI GOOGLE PLAY STORE - Dalam bentuk buku karya ilmiah

CYNTHIA AYU PRAYUNING

Informasi Dasar

46 kali
25.04.3802
000
Karya Ilmiah - Skripsi (S1) - Reference

Transformasi digital dalam Pendidikan mendorong pemanfaatan aplikasi dari  seperti Sekolah.mu, yang menyediakan pembelajaran bagi pelajar, tenaga pendidik, mahasiswa hingga masyarakat umum. Ulasan pada aplikasi Sekolah.mu saat ini mencapai ratusan ribu di Google Play Store, masukan tersebut menjadi sumber informasi penting terkait persepsi pengguna terhadap layanan, konten, dan stabilitas aplikasi. Banyaknya jumlah keberagaman ulasan membuat proses evaluasi secara manual menjadi tidak efisien. Didasari hal tersebut, penelitian ini bertujuan untuk mengkaji sentimen pengguna serta menemukan topik-topik dominan dalam ulasan melalui pendekatan kombinasi analisis sentimen dan pemodelan topik. Penelitian ini menggunakan pendekatan Knowlegde Discovery in Database (KDD) untuk mengektraksi pengetahuan dari data ulasan. Dalam proses analisis, digunakan algoritma Long Short-Term Memory (LSTM) untuk mengidentifikasi sentimen positif maupun negatif serta algoritma Non-Negative Matrix Factorization (NMF) untuk mencari suatu tema dari ulasan tersebut. Algoritma LSTM dipilih karna keandalannya dalam memory jangka panjang, sementara NMF digunakan untuk mengelompokkan kata kunci ulasan ke dalam topik tertentu. Hasil penelitian menunjukkan bahwa algoritma LSTM menghasilkan akurasi sebesar 90.18% serta nilai presisi dan recall yang konsisten untuk kedua kategori sentimen. Sementara itu, hasil dari NMF mengidentifikasi 6 topik utama yang relevan, dimana topik  0, 1, 3, 4 didominasi sentimen positif sementara topik 2 dan 5 di dominasi oleh topik negatif. Untuk mempermudah proses klasifikasi, antarmuka sederhana berbasis Streamlit dibangun agar pengguna dapat memprediksi sentimen dan topik secara langsung dari input teks. Dengan kombinasi metode ini memberikan solusi analitik yang membantu pengembang memahami persepsi dan kebutuhan pengguna secara menyeluruh. Hasil penelitian diharapkan menjadi dasar strategis dalam pengembangan kualitas aplikasi dan peningkatan kepuasan serta loyalitas pengguna terhadap aplikasi Sekolah.mu.

Kata kunci—analisis sentimen, deep learning,  LSTM, NMF , Sekolah.mu, pemodelan topik
 

Subjek

DATA MINING AND KNOWLEDGE DISCOVERY
 

Katalog

ANALISIS SENTIMEN MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY (LSTM) DAN PEMODELAN TOPIK MENGGUNAKAN ALGORITMA NON-NEGATIVE MATRIX FACTORIZATION (NMF) PADA APLIKASI SEKOLAH.MU BERDASARKAN ULASAN DI GOOGLE PLAY STORE - Dalam bentuk buku karya ilmiah
 
xv, 85p.: il,; pdf file
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

CYNTHIA AYU PRAYUNING
Perorangan
Oktariani Nurul Pratiwi, Nur Ichsan Utama
 

Penerbit

Universitas Telkom, S1 Sistem Informasi
Bandung
2025

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini