PERBANDINGAN EFEKTIVITAS METODE JARAK UNTUK ANALISIS SENTIMEN TERHADAP E-WALLET DANA
Dompet digital telah menjadi bagian dari transaksi keuangan digital, memungkinkan pembayaran melalui perangkat ponsel atau komputer dengan mengurangi kontak fisik. DANA, sebuah aplikasi dompet digital terkemuka, menempati posisi teratas di Google Play Store, Analisis sentimen menjadi krusial dalam memahami opini pengguna terhadap aplikasi tersebut. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap DANA menggunakan metode K-NN. Data ulasan pengguna DANA diambil melalui teknik scrapping, kemudian dibersihkan dan dibagi menjadi data latih dan uji. Metode K-NN digunakan untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, dan netral. Proses ini mencakup pencarian metode jarak yang paling efektif, dievaluasi berdasarkan parameter performa seperti accuracy, precision recall, dan F1-score Hasil evaluasi menunjukkan bahwa metode cosine similarity dengan nilai K = 18, serta pembagian data 90%;10%, memiliki nilai nilai precision sebesar 0,84 nilai F1score sebesar 0,83, nilai recall sebesar 0,85, dan accuracy sebesar 0,85 menghasilkan model dengan kinerja terbaik. Model K-NN yang ditemukan akan diimplementasikan untuk analisis sentimen lebih lanjut terhadap DANA. Penelitian ini memberikan kontribusi dalam memahami opini masyarakat terhadap aplikasi dompet digital, serta memberikan wawasan bagi pengembangan layanan e-wallet yang lebih baik di masa depan. Dengan demikian, penelitian ini menjadi landasan penting dalam pemahaman dan pengembangan aplikasi dompet digital, terutama dalam konteks meningkatkan pengalaman pengguna dan meningkatkan kualitas layanan yang ditawarkan.
Ketersediaan
Detail Information
Judul | PERBANDINGAN EFEKTIVITAS METODE JARAK UNTUK ANALISIS SENTIMEN TERHADAP E-WALLET DANA |
---|---|
Pengarang | FRANSISKUS ANDRE - Personal Name |
No. Panggil | SKRIPSI FRA p 2024 |
Subyek | Analisis Sentimen K-NN Dana Metode Jarak |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2024 |
Penerbit | Fakultas Teknik |
Jurusan | INFORMATIKA |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY