Search for collections on Repository Universitas Maritim Raja Ali Haji

PERBANDINGAN ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN NAIVE BAYES DALAM ANALISIS SENTIMEN PENGGUNA CAPCUT DI ULASAN PLAYSTORE

HERLIANA, TETI and Nurfalinda, Nurfalinda and Rathomi, Muhamad Radzi (2024) PERBANDINGAN ALGORITMA K-NEAREST NEIGHBORS (KNN) DAN NAIVE BAYES DALAM ANALISIS SENTIMEN PENGGUNA CAPCUT DI ULASAN PLAYSTORE. S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
Teti_Herliana_2001020017_Teknik Informatika - Cover.pdf - Published Version

Download (832kB)
[img] Text (Abstrak)
Teti_Herliana_2001020017_Teknik_Informatika_Abstrak.pdf - Published Version

Download (120kB)
[img] Text (Bab I)
Teti_Herliana-2001020017-Teknik Informatika-BAB I.pdf - Published Version

Download (125kB)
[img] Text (Daftar Pustaka)
Teti_Herliana_2001020017_Teknik_Informatika_Daftar Pustaka.pdf - Published Version

Download (422kB)
[img] Text (Full Teks)
Teti_Herliana_2001020017_Teknik_Informatika_Full Teks.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy
Official URL: https://lib.umrah.ac.id

Abstract

Di era digital saat ini, aplikasi pengeditan video seperti CapCut sangat populer. Penelitian ini bertujuan untuk membandingkan algoritma K-Nearest Neighbors (KNN) dan Naïve Bayes dalam analisis sentimen ulasan pengguna aplikasi CapCut di PlayStore. Analisis sentimen penting untuk memahami tanggapan pengguna dan meningkatkan pengalaman aplikasi. Metode yang digunakan melibatkan pengujian performa waktu dan akurasi ketepatan kedua algoritma pada ulasan pengguna. Hasil penelitian menunjukkan bahwa model KNN mencapai akurasi tertinggi pada K=9 dengan nilai 70,34%, sementara Naïve Bayes memiliki akurasi keseluruhan 70,38%. Naïve Bayes menunjukkan performa yang lebih konsisten dan efisien dalam klasifikasi waktu dibandingkan KNN. Model KNN cenderung mengalami fluktuasi akurasi pada nilai K yang lebih kecil dan menunjukkan performa yang kurang baik dalam mengklasifikasikan ulasan netral dan negatif. Sebaliknya, Naïve Bayes lebih unggul dalam precision, recall, dan F1-score. Berdasarkan hasil penelitian, Naïve Bayes diidentifikasi sebagai model yang lebih tepat untuk klasifikasi sentimen ulasan CapCut, dengan efisiensi waktu dan akurasi yang lebih tinggi. Kesimpulannya, Naïve Bayes adalah pilihan yang lebih baik dalam melakukan analisis sentimen pada ulasan aplikasi CapCut di PlayStore.

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDNurfalinda, NurfalindaNIP.198401212019032013
UNSPECIFIEDRathomi, Muhamad RadziNIP.198903252019031014
Subjects: 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman
000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan
000_umum > 000. Ilmu Umum dan Komputer > 006.754. Situs Jejaring Sosial, Sosial Media
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 31 Jul 2024 07:43
Last Modified: 31 Jul 2024 07:43
URI: http://repositori.umrah.ac.id/id/eprint/7855

Actions (login required)

View Item View Item