ANALISIS SENTIMEN PENGGUNA APLIKASI QUR’AN KEMENAG PADA ULASAN GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

YOGA YARKHAMSETIAWAN (2025) ANALISIS SENTIMEN PENGGUNA APLIKASI QUR’AN KEMENAG PADA ULASAN GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_55201_2102020164.pdf Download (43MB)

Abstract

Aplikasi Qur'an Kemenag dirancang untuk memudahkan umat Muslim membaca dan mempelajari Al-Qur'an. Meskipun memiliki rating 4.6 di Google Play Store dengan total unduhan melebihi 500 ribu, aplikasi ini menerima keluhan terkait bug dan performa. Tujuan dari penelitian ini adalah untuk mengevaluasi sentimen dalam ulasan pengguna terhadap aplikasi Qur'an Kemenag dengan menggunakan algoritma Support Vector Machine (SVM). Sebanyak 3.000 ulasan diambil dari Google Play Store menggunakan metode web scraping. Ulasan dengan rating bintang tiga dikeluarkan dari proses pelabelan karena bersifat netral dan tidak mewakili sentimen positif maupun negatif secara jelas. Setelah proses preprocessing untuk menghilangkan noise dalam data, tersisa 2.677 ulasan. Ketidakseimbangan data ditangani dengan Synthetic Minority Oversampling Technique (SMOTE). Data dilabeli menjadi dua kategori: positif dan negatif. Proses klasifikasi menerapkan SVM yang menggunakan kernel Radial Basis Function (RBF) dan pembagian data pelatihan serta pengujian sebesar 80:20. Model menunjukkan akurasi sebesar 91% sebelum SMOTE dan meningkat menjadi 97% setelah SMOTE diterapkan. Analisis menunjukkan bahwa Kata-kata seperti 'bagus', 'terima kasih', dan 'alhamdulillah' paling sering muncul dalam ulasan positif sedangkan ulasan negatif lebih banyak menyoroti isu seperti 'buka ayat,' 'halaman,' dan 'versi.' Hasil penelitian ini memberikan rekomendasi yang relevan bagi pengembang, khususnya dalam hal perbaikan bug, peningkatan fitur, dan upaya menjaga kualitas layanan agar sesuai dengan harapan serta kebutuhan pengguna. Kata kunci: Analisis Sentimen, Qur'an Kemenag, Support Vector Machine, SMOTE, Ulasan Aplikasi.

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Informatika
Depositing User:	Admin Perpus UnivBI
Date Deposited:	06 Feb 2026 05:03
Last Modified:	06 Feb 2026 05:03
URI:	http://eprints.univbinainsan.ac.id/id/eprint/485

Actions (login required)

View Item