Page 54 - E-Skripsi Analisis Sentimen Terhadap Aplikasi Sapawarga Jabar Super Apps Pada Ulasan Google Play Store

Sentiment Analysis ekstraksi fitur n- Uni-Bi-Tri • Uni-Bi 85% interpretasi data dari
System gram • S: Jupyter • Bi-Tri 71% hasil analisis sentimen
Notebook • Uni-Bi-Tri
84%
16 Comparison of (Widyawan Membandingkan • M: SVM 623 tweet • Uni 84% • X: pengujian ekstraksi
Feature Weighting in et al., 2019) nilai akurasi • EF: Uni, Uni-Bi, • Uni-Bi 84% fitur yang bervariatif
SVM Performance for menggunakan Uni-Tri, Uni-For • Uni-Tri 85% • Y: tidak adanya
Sentiment Analysis of ekstraksi fitur n- • Uni-For 84% interpretasi data dari
Jakarta BRT gram hasil analisis sentimen

Berdasarkan hasil literature review dari 16 artikel penelitian terdahulu terdapat kesamaan pada metode yang digunakan, yaitu

Metode Hybrid Lexicon-Based dan Support Vector Machine (SVM). Metode Hybrid merupakan metode kombinasi yang dapat

menghasilkan tingkat akurasi yang lebih baik dibanding menggunakan salah satu metode saja, seperti hanya pendekatan Lexicon-

Based atau SVM. Selain itu juga pada penelitian lainnya terdapat kesamaan pada ekstraksi fitur yang digunakan, yaitu ekstraksi fitur

unigram-bigram. Namun, penggunaan ekstraksi fitur unigram-bigram tersebut belum banyak yang melakukan pengujian terhadap

metode Hybrid Lexicon-Based dan SVM. Oleh karena itu, dalam penelitian ini menggunakan metode Hybrid Lexicon-Based dan

SVM dengan ekstraksi fitur unigram-bigram.

Kebaruan dalam penelitian ini terdapat pada objek dan sumber data yang digunakan, yaitu analisis sentimen pada ulasan

pengguna aplikasi Sapawarga di Google Play Store. Selain itu juga dalam penelitian ini akan menampilkan interpretasi hasil dari

hasil analisis data.

40