Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support Vector Machine

Abstract

Google Meet merupakan aplikasi video conference yang digunakan untuk kegiatan jarak jauh secara online. Google Meet memiliki fitur-fitur yang mudah digunakan dan dapat melakukan panggilan video berkualitas tinggi. Penggunaan aplikasi Google Meet dalam sehari bisa mencapai 100 juta pengguna. Namun setelah menggunakan aplikasi Google Meet terdapat perbedaan pendapat memberikan rasa kepuasan dan ketidakpuasan terhadap aplikasi Google Meet. Hal ini dapat diamati dari ulasan yang diberikan pengguna pada kolom komentar di Play Store. Pengguna baru menjadikan komentar sebagai tolak ukur untuk menentukan aplikasi yang terbaik dan memuaskan untuk digunakan. Pada penelitian ini dilakukan analisis sentimen pengguna aplikasi Google Meet yang bertujuan mengelompokkan ulasan pengguna dalam bentuk sentimen positif, negatif dan netral. Algoritma yang digunakan untuk melakukan klasifikasi adalah Support Vector Machine, dari 10.000 dataset yang memiliki jumlah sentimen tertinggi terdapat pada ulasan positif berjumlah 4468 dengan kata ulasan “bagus”. Ulasan negatif berjumlah 1476 dengan kata ulasan “aplikasi” dan ulasan netral berjumlah 4056 dengan kata ulasan “aplikasi”. Pembagian data training 90% dan data testing 10% menghasilkan nilai accuracy 94%, nilai precision 98%, nilai recall 95% dan nilai f1-score 96%.

Penerapan Text Mining Dalam Menganalisis Pendapat Masyarakat Terhadap Pemilu 2024 Pada Media Sosial X Menggunakan Metode Naive Bayes

“…Penelitian ini tidak hanya memberikan kontribusi terhadap pengembangan metodologi analisis opini publik, tetapi juga memberikan wawasan mendalam tentang dinamika politik dan pemahaman masyarakat terkait proses demokrasi yang sedang berlangsung. Penelitian ini bertujuan menerapkan metode text mining dengan algoritma Naïve Bayes Classifier untuk mengklasifikasi sentiment dan pendapat masyarakat terhadap peristiwa Pemilu 2024 [17].…”

Klasifikasi Opini Pengguna Aplikasi Bibit Pada Google Play Store Menggunakan Algoritma Naive Bayes

“…Menurut topkarir, terdapat 12 aplikasi investasi yang aman dan telah terdaftar di OJK yaitu Bibit, Stockbit, SymInvest, IPOT, RTI Business, Ajaib, Mirae HOTS, BCAS Best Mobile, MOST Mandiri, Motions Trade, BIONS, dan Poems ID [3]. Namun untuk mengetahui sekuritas OJK diperlukan informasi yang didapat berdasarkan pengalaman pengguna yang telah menggunakan aplikasi investasi berbasis online tersebut karena berdasarkan Kompas.com terdapat banyak kasus -kasus penipuan pada investasi saham online [4]. Pada penelitian ini akan dikumpulkan informasi berdasarkan pengalaman pengguna untuk mengetahui sekuritas OJK dari aplikasi tersebut dimana pada penelitian ini adalah aplikasi bibit.…”

Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier

“…Salah satu bagian dari bidang ilmu text mining adalah analisis sentimen yang bertarget guna mengenali opini sebuah seseorang serta organisasi pada sebuah objek apakah bersifat positif dan negatif [3]. Beberapa algoritma yang dapat dimanfaatkan dalam mengerjakan analisis sentimen yaitu support vector machine, naïve bayes classifie, KNN atau K-Nearest Neighbors serta lainnya.…”