ANALISA SENTIMEN TERHADAP APLIKASI PEMBELAJARAN DARING MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING

• RECHA ABRIANA ANGGRAINI
• 14002216

---

ABSTRAK

ABSTRAKSI

Nama Lengkap

:

Recha Abriana Anggraini

NIM

:

14002216

Program Studi

:

Ilmu Komputer

Jenjang

:

Strata Dua (S2)

Konsentrasi

:

Data Mining

Judul Tesis

:

“Analisa    Sentimen    Terhadap    Aplikasi    Pembelajaran

Daring Menggunakan Algoritma Klasifikasi Data Mining”

 

Belajar merupakan kegiatan yang harus dilakukan makhluk hidup tanpa mengenal batasan umur. Kegiatan belajar kini didukung oleh perkembangan teknologi yang semakin massif sehingga mempermudah manusia. Berkat perkembangan teknologi, muncullah berbagai alternatif metode pembelajaran seperti pembelajaran daring. Pembelajaran daring biasanya didukung oleh berbagai aplikasi yang disediakan diberbagai store yang dapat didownload melalui smartphone secara gratis maupun berbayar. Salah satu store penyedia aplikasi tersebut adalah google playstore. Banyaknya pengguna suatu aplikasi akan memunculkan banyak penilaian yang diberikan terhadap aplikasi tersebut, baik penilaian positif maupun negatif. Dalam penelitian ini, penulis melakukan klasifikasi sentiment terhadap dua palikasi pembelajaran daring yang popular di Indonesia yaitu ruangguru dan zenius dengan algoritma klasifikasi data mining. Tahapan pengolahan data dimulai dengan preprocessing data, modelling sampai dengan evaluasi. Dari hasil pengolahan data yang dilakukan, dapat diketahui bahwa algoritma KNN dengan cross validation berhasil mengklasifikasikan sentiment pengguna aplikasi tersebut dengan akurasi tertinggi.

 

Kata kunci: text mining, sentiment, data mining, klasifikasi, ruangguru, zenius, pembelajaran daring.

KATA KUNCI

Analisa Sentimen,Data Mining

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

 

 

1. A. E. Sari, S. Widowati, and K. M. Lhaksmana, “Klasifikasi Ulasan Pengguna Aplikasi Mandiri Online di Google Play Store dengan Menggunakan Metode Information Gain dan Naive Bayes Classifier,” vol. 6, no. 2, pp. 9143–9157, 2019.
2. A. F. Kamal and B. Widjajanto, “Text Mining Untuk Analisa Sentiment Ekspedisi Jasa Pengiriman Barang Menggunakan Metode Naive Bayes Pada Aplikasi J&T Express,” Ijccs, no. x, pp. 1–5, 2017.
3. B. Olabenjo, “Applying Naive Bayes Classification to Google Play Apps Categorization,”    2016,                                             [Online].             Available: http://arxiv.org/abs/1608.08574.
4. D. Rusdiaman and D. Rosiyadi, “ANALISA SENTIMEN TERHADAP TOKOH PUBLIK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE,” vol. 4, no. 2, pp. 230–235, 2019.
5. E. Di Rosa and A. Durante, “App2Check: A machine learning-based system for sentiment analysis of app reviews in Italian language,” CEUR Workshop Proc., vol. 1696, pp. 8–13, 2016.
6. E. Indrayuni and M. Wahyudi, “PENERAPAN CHARACTER N-GRAM UNTUK SENTIMENT ANALYSIS REVIEW HOTEL MENGGUNAKAN ALGORITMA NAIVE BAYES,” pp. 83–88, 2015.
7. J.    Suntoro,    Data    Mining:     Algoritma     dan    Implementasi     dengan Pemrograman PHP. Jakarta: PT Elex Media Komputindo, 2019.
8. Knime,    “KNIME    Quickstart    Guide,”    2019.    [Online].     Available: https://docs.knime.com/2019- 12/analytics_platform_quickstart_guide/index.html#introduction. [Accessed: 26-Apr-2020].
9. Kompasiana.com, “Macam-macam Teori Pembelajaran dalam Dunia Pendidikan,” 2020. .
10. Kompasiana.com,       “‘Sentiment       Analysis’,       Menganalisis       Opini

Menggunakan     Program      Komputer,”     2018.     [Online].      Available: https://www.kompasiana.com/mdanimlywn/5bd9235fab12ae20454e1fc2/se ntiment-analysis-menganalisis-opini-menggunakan-program-komputer. [Accessed: 26-Apr-2020].

11. L. B. Ilmawan and E. Winarko, “Aplikasi Mobile untuk Analisis Sentimen pada Google Play,” vol. 9, no. 1, pp. 53–64, 2015.
12. L. Dey, S. Chakraborty, A. Biswas, B. Bose, and S. Tiwari, “Sentiment Analysis of Review Datasets Using Naïve Bayes‘ and K-NN Classifier,” Int. J. Inf. Eng. Electron. Bus., vol. 8, no. 4, pp. 54–62, 2016, doi: 10.5815/ijieeb.2016.04.07.
13. M. E. Syed, “Attribute weighting in K-nearest neighbor classification,” University of Tampere, 2015.
14. M. Irsan, “Rancang Bangun Aplikasi Mobile Notifikasi Berbasis Android Untuk Mendukung Kinerja Di Instansi Pemerintahan,” J. Penelit. Tek. Inform., vol. 1, no. 1, pp. 115–120, 2015.
15. M. R. Firdaus, F. M. Rizki, and F. M. Gaus, “Analisis Sentimen Dan Topic Modelling Dalam Aplikasi Ruangguru,” vol. 4, pp. 66–76, 2020.
16. M. Z. Nafan and A. E. Amalia, “Kecenderungan Tanggapan Masyarakat terhadap Ekonomi Indonesia berbasis Lexicon Based Sentiment Analysis,”

J. Media Inform. Budidarma, vol. 3, no. 4, p. 268, 2019, doi: 10.30865/mib.v3i4.1283.

17. R. D. Probo, B. Irawan, R. Rumani, M. 3, P. S1, and S. Komputer, “ANALISIS DAN IMPLEMENTASI PERBANDINGAN ALGORITMA KNN (K- NEAREST NEIGHBOR) DENGAN SVM (SUPPORT  VECTOR MACHINE) UNTUK PREDIKSI PENAWARAN PRODUK Comparative Analysis and Implementation of KNN (K-Nearest Neighbor) with SVM (Support Vector Machine) Algorithm ,” vol. 3, no. 3, pp. 4988– 4995, 2016.
18. Ruangguru, “About Us,” Ruangguru.com, 2020. [Online]. Available: https://www.ruangguru.com/about/. [Accessed: 26-Apr-2020].
19. R. Watrianthos, S. Suryadi, D. Irmayani, M. Nasution, and E. F. S. Simanjorang, “Sentiment analysis of traveloka app using naïve bayes

classifier method,” Int. J. Sci. Technol. Res., vol. 8, no. 7, pp. 786–788, 2019, doi: 10.31227/osf.io/2dbe4.

20. S. A. Saputra, D. Rosiyadi, W. Gata, and S. M. Husain, “Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma,” vol. 1, no. 10, pp. 3–8, 2019.
21. S. Kurniawan, W. Gata, D. A. Puspitawati, I. K. S. Parthama, H. Setiawan, and S. Hartini, “Text Mining Pre-Processing Using Gata Framework and RapidMiner for Indonesian Sentiment Analysis,” IOP Conf. Ser. Mater. Sci. Eng., vol. 835, no. 1, 2020, doi: 10.1088/1757-899X/835/1/012057.
22. S. Sahara and R. A. Permana, “METHODE K-NN FOR ANALYS SENTIMENT REVIEW KIDS APPS,” vol. 8, no. 2, pp. 127–137, 2019.
23. S. Wahyu Handani, D. Intan Surya Saputra, Hasirun, R. Mega Arino, and

G. Fiza Asyrofi Ramadhan, “Sentiment analysis for go-jek on google play store,” J. Phys. Conf. Ser., vol. 1196, no. 1, 2019, doi: 10.1088/1742- 6596/1196/1/012032.

24. S. Yadav and S. Yadav, “Text Mining of VOOT Application Reviews on Google Play Store,” Int. Res. J. Eng. Technol. e-ISSN, pp. 1204–1208, 2018.
25. Sulhaerati, L. Kurnia, A. Kurniansyah, and A. A. Yuhana, “ANALISIS TANGGAPAN PASAR TERHADAP PERUSAHAAN RITEL RAKSASA INDOMART DAN ALFAMART,” 2017.
26. V. Singh, P. Saxena, S. Singh, and S. Rajendran, “Opinion Mining and Analysis of Movie Reviews,” Indian J. Sci. Technol., vol. 10, no. 19, pp. 1– 6, 2017, doi: 10.17485/ijst/2017/v10i19/112756.
27. Webharvy, “WebHarvy,” webharvy, 2020. [Online]. Available: https://www.webharvy.com/.
28. X. Li, Z. Zhang, and K. Stefanidis, Sentiment-aware Analysis of Mobile Apps User Reviews Regarding Particular Updates, no. November. 2018.
29. Y. P. Tanjung, S. R. Sentinuwo, and A. Jacobus, “Penentuan Daya Listrik Rumah Tangga Menggunakan Metode Decision Tree,” J. Tek. Inform., vol. 9, no. 1, 2016, doi: 10.35793/jti.9.1.2016.14141.
30. Zenius.net,             “About             Zenius,”             Zenius.net,             2020.