Skripsi

PENERAPAN FRAMEWORK CRISP-DM UNTUK ANALISIS SENTIMEN ULASAN APLIKASI CROWDFUNDING KITABISA MENGGUNAKAN NAIVE BAYES, SVM, DAN RANDOM FOREST

---

Ulasan pengguna pada platform crowdfunding memiliki nilai strategis sebagai bahan evaluasi kualitas layanan. Penelitian ini menganalisis sentimen ulasan pengguna aplikasi Kitabisa serta membandingkan kinerja algoritma Naive Bayes, Support Vector Machine (SVM), dan Random Forest dengan menerapkan framework CRISP-DM. Data penelitian terdiri dari 1.624 ulasan yang dikumpulkan dari Google Play Store melalui web scraping. Tahap prapemrosesan meliputi pembersihan data, normalisasi teks, tokenisasi, penghapusan stopword, stemming, dan pembobotan TF-IDF, serta penanganan ketidakseimbangan kelas menggunakan SMOTE. Pemodelan dilakukan dengan pembagian data 80:20 dan dievaluasi menggunakan akurasi, presisi, recall, F1-score, serta k-Fold Cross Validation. Hasil penelitian menunjukkan bahwa SVM memiliki performa terbaik dengan akurasi data uji sebesar 94,51% dan rata-rata akurasi k-Fold 95,30%. Analisis topik LDA menunjukkan sentimen positif didominasi manfaat aplikasi dan kemudahan donasi, sedangkan sentimen negatif berkaitan dengan kendala teknis. Hasil ini diharapkan dapat menjadi masukan bagi pengembang dalam meningkatkan kualitas layanan Kitabisa.

---

Availability

Detail Information

Series Title

-

Call Number

T1932332026

Publisher

Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Sriwijaya., 2026

Collation

xvi, 53 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

006.312 07

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Data mining
Prodi Sistem Informasi

Specific Detail Info

-

Statement of Responsibility

KA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment