Halimatussa"diah, Halimatussa"diah (2025) Analisis Sentimen Ulasan Aplikasi Classroom Di Google Play Store Menggunakan Algoritma Naïve Bayes. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403211010037-HALIMATUSSA’DIAH-00-Awal.pdf]](http://repository.unisi.ac.id/style/images/fileicons/text.png "403211010037-HALIMATUSSA’DIAH-00-Awal.pdf") |
Text
403211010037-HALIMATUSSA’DIAH-00-Awal.pdf Download (1MB) |
|
Text
403211010037-HALIMATUSSA’DIAH-01-Bab1.pdf Download (533kB) |
|
Text
403211010037-HALIMATUSSA’DIAH-02-Bab2.pdf Download (622kB) |
|
Text
403211010037-HALIMATUSSA’DIAH-03-Bab3.pdf Download (665kB) |
|
Text
403211010037-HALIMATUSSA’DIAH-04-Bab4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
403211010037-HALIMATUSSA’DIAH-05-Bab5.pdf Download (474kB) |
|
Text
403211010037-HALIMATUSSA’DIAH-06-Akhir.pdf Download (673kB) |
|
Text
hasil-plagiarisme-TUGAS_AKHIR__CLASSROOM___(17).pdf Download (9MB) |
Abstract
Google Classroom merupakan salah satu platform pembelajaran daring yang banyak digunakan dan mendapat berbagai ulasan dari pengguna di Google Play Store. Ulasan-ulasan ini mencerminkan persepsi, pengalaman, dan tingkat kepuasan pengguna terhadap aplikasi, yang penting untuk dianalisis guna mendukung pengembangan aplikasi yang lebih baik. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna menjadi kategori positif dan negatif menggunakan algoritma Naïve Bayes. Metode yang digunakan meliputi pengumpulan data melalui teknik web scraping, prapemrosesan teks, transformasi data dengan TF- IDF, serta klasifikasi menggunakan algoritma Multinomial Naïve Bayes. Sebanyak 1000 ulasan pengguna dalam Bahasa Indonesia dikumpulkan secara otomatis dan dianalisis. Hasil evaluasi model menunjukkan tingkat akurasi sebesar 84%, dengan performa yang tinggi dalam mengenali ulasan negatif (recall 0.96 dan f1-score 0.90), namun masih rendah dalam mendeteksi ulasan positif (recall 0.52 dan f1-score 0.64). Ketidakseimbangan jumlah data antar kelas menjadi salah satu faktor yang memengaruhi hasil tersebut. Penelitian ini menunjukkan bahwa Naïve Bayes merupakan algoritma yang efisien dan cukup akurat untuk analisis sentimen berbasis teks dalam jumlah kecil. Hasil analisis ini diharapkan dapat memberikan wawasan bagi pengembang aplikasi dalam mengevaluasi dan meningkatkan kualitas layanan berdasarkan umpan balik pengguna
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | analisis sentimen, Google Classroom, Naïve Bayes, TF-IDF, klasifikasi teks |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 27 Oct 2025 06:16 |
| Last Modified: | 27 Oct 2025 06:16 |
| URI: | http://repository.unisi.ac.id/id/eprint/877 |
Actions (login required)
 |
View Item |