Text

Penerapan Metode Random Forest Untuk Analisis Sentimen Pengguna Aplikasi Bank Digital Seabank

---

Analisis sentimen pada ulasan suatu aplikasi menjadi pilihan untuk melihat respon
pengguna terhadap pelayanan dari suatu aplikasi tersebut. Random Forest salah
satu pemodelan klasifikasi yang berasal dari gabungan Decision Tree yang
memberikan hasil akhir berdasarkan majority voting. Penelitian ini bertujuan untuk
menerapkan metode Random Forest untuk analisis data ulasan aplikasi. Penelitian
ini melibatkan analisis sentimen ulasan pengguna pada aplikasi Seabank yang
diambil dari Google Playstore sebanyak 15000 ulasan. Fitur ulasan yang ada pada
Google Playstore digunakan sebagai media untuk menyampaikan opini sebagai
bentuk reaksi pengguna dari suatu aplikasi. Random Forest dilatih untuk
mengklasifikaskan ulasan ke dalam 3 kelas sentimen yaitu positif, netral dan
negatif. Berdasarkan penelitian yang telah dilakukan dengan evaluasi model
menggunakan Confusion Matrix, didapat nilai akurasi sebesar 94.1% yang
menunjukkan bahwa akurasi Random Forest dalam mengklasifikasikan ulasan
pelanggan Seabank adalah sebesar 94.1%. Hal ini menunjukkan keefektifan
penggunaan Random Forest dalam mengklasifikasikan teks ulasan karena memiliki
nilai akurasi yang tinggi.
Kata Kunci: Klasifikasi, Random Forest, Confusion Matrix

---

Ketersediaan

1115E2023

1115 E 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1115 E 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Fenansia Clara Hana Bangun

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar