Adif, Muhamad (2026) Analisis Sentimen Ulasan Aplikasi JobStreet di Google Play Store Menggunakan SMOTE dengan Algoritma XGBoost dan Random Forest. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403221010072-Muhamad_Adif-01-Awal.pdf]](https://repository.unisi.ac.id/style/images/fileicons/text.png "403221010072-Muhamad_Adif-01-Awal.pdf") |
Text
403221010072-Muhamad_Adif-01-Awal.pdf Download (561kB) |
|
Text
403221010072-Muhamad Adif-02-Bab 1.pdf Download (181kB) |
|
Text
403221010072-Muhamad Adif-03-Bab 2.pdf Download (151kB) |
|
Text
403221010072-Muhamad Adif-04-Bab 3.pdf Download (186kB) |
|
Text
403221010072-Muhamad Adif-05-Bab 4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
403221010072-Muhamad Adif-06-Bab 5.pdf Download (118kB) |
|
Text
403221010072-Muhamad Adif-07-Akhir.pdf Download (170kB) |
|
Text
Muhamad Adif Skripisi Turnitin.pdf Download (2MB) |
Abstract
Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi JobStreet pada Google Play Store dengan menerapkan teknik oversampling SMOTE serta membandingkan performa algoritma XGBoost dan Random Forest. Penelitian ini dilatarbelakangi oleh tingginya jumlah ulasan pengguna yang menghasilkan data teks tidak terstruktur, serta adanya ketidakseimbangan jumlah data pada kelas sentimen yang berpotensi menurunkan kinerja model klasifikasi. Data penelitian diperoleh melalui proses scraping sebanyak 9.000 ulasan, kemudian setelah tahap seleksi diperoleh 6.510 data yang digunakan dalam proses analisis. Pelabelan sentimen dilakukan berdasarkan rating pengguna, kemudian data diproses melalui tahapan preprocessing. Selanjutnya, data diekstraksi menggunakan metode TF-IDF, dibagi menjadi data latih dan data uji dengan rasio 80:20, serta diterapkan teknik SMOTE pada data latih untuk mengatasi ketidakseimbangan kelas. Hasil penelitian menunjukkan bahwa algoritma XGBoost menghasilkan nilai accuracy sebesar 84,79% dengan F1-score sebesar 0,848, sedangkan algoritma Random Forest memperoleh accuracy sebesar 84,56% dengan F1-score sebesar 0,846. Berdasarkan hasil tersebut, XGBoost menunjukkan performa yang sedikit lebih baik dibandingkan Random Forest dalam klasifikasi sentimen ulasan aplikasi JobStreet. Selain itu, hasil analisis menunjukkan bahwa sentimen positif didominasi oleh kemudahan dalam mencari lowongan pekerjaan, xiii sedangkan sentimen negatif lebih banyak berkaitan dengan kendala teknis, seperti masalah login dan kesulitan dalam penggunaan aplikasi.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, JobStreet, SMOTE, XGBoost, Random Forest. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 28 Sep 2026 02:56 |
| Last Modified: | 28 Sep 2026 02:56 |
| URI: | http://repository.unisi.ac.id/id/eprint/1240 |
Actions (login required)
 |
View Item |