Page 52 - E-Skripsi Analisis Sentimen Terhadap Aplikasi Sapawarga Jabar Super Apps Pada Ulasan Google Play Store

5 Highlighting (Vashishtha Membandingkan • M: Fuzzy Entropi 2.000 • Uni-Bi 69%. • X: terjadi perbedaan
Keyphrases using & Susan, akurasi n-gram • EF: Uni-Bi, Bi-Tri, dataset • Bi-Tri 55% akurasi
Senti-Scoring and 2022) dan kombinasi Uni-Bi-Tri • Uni-Bi-Tri • Y: tidak menyebutkan
Fuzzy fitur n-gram 70%. tools aplikasi yang
Entropy for digunakan.
Unsupervised
Sentiment Analysis
6 Analisis Sentimen (Yerzi & Membandingkan • M: Lexicon dan 2.104 • SVM- • X: menampilkan
Terhadap Kebijakan Sibaroni, akurasi kamus SVM tweet LexMasdevid interpretasi hasil
Pemerintah Dalam 2021) Lexicon InSet dan • EF: Unigram 82%. dalam bentuk
Menangani Covid-19 Masdevid • S: Twint • SVM-LexInset wordcloud.
Dengan Pendekatan 83%. • Y: tidak menguji
Lexicon Based akurasi metode SVM
tanpa Lexicon.
7 Sentiment Analysis on (Putra et al., Membandingkan • M: Lexicon dan 3.616 • SVM 81%. • X: terjadi peningkatan
Marketplace Review 2021) akurasi tanpa SVM dataset • Lexicon 79%. akurasi
using pendekatan • EF: Unigram • SVM-Lex 81% • Y: tidak menyebutkan
Hybrid Lexicon and Lexicon dan tools aplikasi yang
SVM Method gabungan Lexicon digunakan.
dan SVM

8 Urdu Sentiment (Khan et al., Menguji ekstraksi • M: Lexicon, SVM, 9.601 • SVM 81% • X: memiliki metode
Analysis With Deep 2021) fitur unigram- NB, LR, RF ulasan • NB 79% yang bervariatif
Learning Methods bigram pada • EF: unigram- • LR 82% • Y: tidak adanya
metode machine bigram • RF 75% interpretasi data dari
learning • S: RapidMiner hasil analisis sentimen
9 Sentiment Analysis (Rajeswari et Membandingkan • M: Lexicon dan 50.000 • SVM 70% • X: terjadi peningkatan
for Predicting al., 2020) akurasi tanpa SVM Dataset • SVM-Lexicon akurasi
Customer pendekatan • EF: Unigram Movie 79% • Y: tidak adanya
Reviews using a Lexicon dan interpretasi data dari
Hybrid Approach gabungan Lexicon hasil analisis sentimen
dan SVM

38