SAPUTRA, Angga (2023) ANALISIS SENTIMEN PENGGUNA APLIKASI MYPERTAMINA MENGGUNAKAN ALGORITMA BIDIRECTIONAL LONG SHORT TERM MEMORY. Bachelor thesis, UNIVERSITAS PERADABAN.
![]() |
Text (ABSTRAK)
ABSTRAK-ANGGA SAPUTRA-42419001-SKRIPSI-2023.docx - Published Version Download (16kB) |
![]() |
PDF (COVER)
COVER-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Download (325kB) |
![]() |
PDF (BAB I)
BAB I-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Download (417kB) |
![]() |
PDF (BAB II)
BAB II-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Download (828kB) |
![]() |
PDF (BAB III)
BAB III-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Restricted to Repository staff only Download (731kB) |
![]() |
PDF (BAB IV)
BAB IV-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Restricted to Repository staff only Download (630kB) |
![]() |
PDF (BAB V)
BAB V-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Download (184kB) |
![]() |
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Download (308kB) |
![]() |
PDF (LAMPIRAN)
LAMPIRAN-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Restricted to Repository staff only Download (843kB) |
![]() |
PDF (ARTIKEL)
ARTIKEL-ANGGA SAPUTRA-42419001-SKRIPSI-2023.pdf - Published Version Restricted to Repository staff only Download (831kB) |
Abstract
Aplikasi mobile telah menjadi sarana penting bagi perusahaan untuk berinteraksi dengan pengguna dan mengumpulkan umpan balik dari mereka. Salah satu aspek penting dari analisis data aplikasi pengguna adalah analisis sentimen, yang dapat memberikan wawasan tentang pandangan dan perasaan pengguna terhadap aplikasi. Dalam penelitian ini, mengusulkan penggunaan algoritma Bidirectional Long Short Term Memory (BiLSTM) dan Long Short Term Memory (LSTM) untuk analisis sentimen dari umpan balik pengguna di myPertamina, aplikasi mobile resmi dari perusahaan minyak dan gas terkemuka di Indonesia, Pertamina. Penelitian ini menggunakan dataset yang berisi ulasan pengguna dari aplikasi myPertamina yang dikumpulkan dari platform Google Play Store. Dataset ini secara otomatis dianotasi menggunakan library transformers untuk mengidentifikasi sentimen dari ulasan sebagai positif atau negatif. Selanjutnya, algoritma BiLSTM dan LSTM diterapkan untuk melakukan analisis sentimen pada dataset yang dianotasi. Hasil eksperimen menunjukkan bahwa kedua algoritma BiLSTM dan LSTM mampu menghasilkan sentimen yang cukup baik pada dataset ulasan pengguna myPertamina. Namun, BiLSTM menunjukkan kinerja yang lebih baik dibandingkan dengan LSTM, dengan akurasi 90% dan 86,25% untuk model LSTM. Penelitian ini berkontribusi pada penggunaan algoritma deep learning, yaitu BiLSTM dan LSTM, dalam analisis sentimen pengguna aplikasi mobile, terutama dalam konteks industri minyak dan gas.
Item Type: | Thesis (Bachelor) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Contributors: |
|
|||||||||
Uncontrolled Keywords: | Analisis sentimen, myPertamina, Bidirectional Long Short Term Memory (BiLSTM), Long Short Term Memory (LSTM) | |||||||||
Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 004-Pemrosesan Data, Ilmu Komputer, Teknik Informatika > Prinsip Matematika dalam Ilmu Komputer; Algoritma Komputer | |||||||||
Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
Depositing User: | Ms Nur Afni Taflikhatun | |||||||||
Date Deposited: | 11 Dec 2023 08:38 | |||||||||
Last Modified: | 11 Dec 2023 08:38 | |||||||||
URI: | http://eprints.peradaban.ac.id/id/eprint/1475 |
Actions (login required)
![]() |
View Item |