Melola Discovery

← Melola Discovery

Jurnal

Analisis Sentimen Ulasan Pengguna Aplikasi Video Conference Google Meet menggunakan Metode SVM dan Logistic Regression

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 5 (2022) · hlm. 808–813

ISSN
2613-9189
Terbit
2022-02-12
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Pandemi Covid-19 yang telah ditetapkan sebagai bencana nasional menyebabkan kelumpuhan pada beberapa bidang. Pelajar maupun mahasiswa serta pekerja yang biasa menjalankan aktivitas secara luring saat ini terhenti karena larangan dari pemerintah dengan mengeluarkan kebijakan baru yaitu Pembatasan Sosial Berskala Besar (PSBB) atau Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) yang bertujuan untuk memutus rantai penyebaran virus covid-19. Hal ini membuat aplikasi Meeting Online banyak digunakan. Namun pada dasarnya setiap aplikasi memiliki kekurangan dan kelebihan, hal tersebut dapat memberikan respon tanggapan yang beragam dari pengguna. Kolom komentar review pada Google Play menjadi tempat pengguna memberikan tanggapan terhadap aplikasi. Pada penelitian ini dilakukan analisis sentimen data ulasan pengguna aplikasi Google Meet dengan algoritma machine learningyang bertujuan menggolongkan data ulasan dalam bentuk sentimen positif atau negatif. Metode klasifikasi yang digunakan adalah Support Vector Machine dan Logistic Regressiondengan 4 kernel SVM yaitu Linear, Radial Basis Function (RBF), Sigmoid dan Polynomial. Nilai akurasi yang didapatkan pada data ulasan aplikasi Google Meet untuk masing-masing kernel berturut-turut adalah 87,02%, 84,59%, 86,63% dan 71,12%, sementara untuk metode Logistic Regression sebesar 85,17%. Diperoleh kesimpulan bahwa algoritma terbaik dengan akurasi tertinggi adalah algoritma SVM dengan kernel Linearyaitu sebesar 87,02%.

Jaringan kolaborasi para penulis

40 penulis · 88 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Emi PujiastutiState University of Semarang7
Scolastika MarianiState University of Semarang6
Amin SuyitnoState University of Semarang6
Putriaji HendikawatiState University of Semarang4
Sunarmi SunarmiAfiliasi tidak diketahui3
Masrukan MasrukanState University of Semarang3
Nurkaromah DwidayatiState University of Semarang2
Arief AgoestantoAfiliasi tidak diketahui2
Aisyah Fany AchmaliaAfiliasi tidak diketahui2
Walid WalidAfiliasi tidak diketahui2
Isti HidayahState University of Semarang2
Dedeh KurniasihAfiliasi tidak diketahui1
Putri Dwi PradinaAfiliasi tidak diketahui1
Leili UlfiatiAfiliasi tidak diketahui1
Tias SafitriAfiliasi tidak diketahui1
Sri PujilestariAfiliasi tidak diketahui1
Eko SupriyadiAfiliasi tidak diketahui1
Siti Ma'unahAfiliasi tidak diketahui1
hengky tri ikhsanto hengky tri ikhsantoAfiliasi tidak diketahui1
Zaenuri ZaenuriState University of Semarang1
Ari CynthiaAfiliasi tidak diketahui1
Alamsyah AlamsyahState University of Semarang1
Bravura Candra HalimAfiliasi tidak diketahui1
Sunarti SunartiAfiliasi tidak diketahui1
Elisa Desi AsrianiAfiliasi tidak diketahui1
Saroful AnamAfiliasi tidak diketahui1
Muhammad KharisAfiliasi tidak diketahui1
lida MawartiAfiliasi tidak diketahui1
Nurul LutfianiAfiliasi tidak diketahui1
Dyah NovaliaAfiliasi tidak diketahui1
Dimas Arif YuliantoAfiliasi tidak diketahui1
Itsnaini Munjiyatul FadlilahAfiliasi tidak diketahui1
Sekar KinasihAfiliasi tidak diketahui1
Andika Resti SuryaniAfiliasi tidak diketahui1
Abiyyi Muhammad AdliAfiliasi tidak diketahui1
Dina Yulia HidayahAfiliasi tidak diketahui1
Henny NurdianaAfiliasi tidak diketahui1
Ainur RohmawatiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Analisis Sentimen Ulasan Pengguna Aplikasi Video Conference Google Meet menggunakan Metode SVM dan Logistic Regression</dc:title>
	<dc:creator>Novantika, Andry</dc:creator>
	<dc:creator>Sugiman, Sugiman</dc:creator>
	<dc:description xml:lang="en-US">Pandemi Covid-19 yang telah ditetapkan sebagai bencana nasional menyebabkan kelumpuhan pada beberapa bidang. Pelajar maupun mahasiswa serta pekerja yang biasa menjalankan aktivitas secara luring saat ini terhenti karena larangan dari pemerintah dengan mengeluarkan kebijakan baru yaitu Pembatasan Sosial Berskala Besar (PSBB) atau Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) yang bertujuan untuk memutus rantai penyebaran virus covid-19. Hal ini membuat aplikasi Meeting Online banyak digunakan. Namun pada dasarnya setiap aplikasi memiliki kekurangan dan kelebihan, hal tersebut dapat memberikan respon tanggapan yang beragam dari pengguna. Kolom komentar review pada Google Play menjadi tempat pengguna memberikan tanggapan terhadap aplikasi. Pada penelitian ini dilakukan analisis sentimen data ulasan pengguna aplikasi Google Meet dengan algoritma machine learningyang bertujuan menggolongkan data ulasan dalam bentuk sentimen positif atau negatif. Metode klasifikasi yang digunakan adalah Support Vector Machine dan Logistic Regressiondengan 4 kernel SVM yaitu Linear, Radial Basis Function (RBF), Sigmoid dan Polynomial. Nilai akurasi yang didapatkan pada data ulasan aplikasi Google Meet untuk masing-masing kernel berturut-turut adalah 87,02%, 84,59%, 86,63% dan 71,12%, sementara untuk metode Logistic Regression sebesar 85,17%. Diperoleh kesimpulan bahwa algoritma terbaik dengan akurasi tertinggi adalah algoritma SVM dengan kernel Linearyaitu sebesar 87,02%.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2022-02-12</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/54600</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 5 (2022): PRISMA, Prosiding Seminar Nasional Matematika XV; 808-813</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/54600/21093</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>