eprintid: 8836
rev_number: 7
eprint_status: archive
userid: 46
dir: disk0/00/00/88/36
datestamp: 2025-01-16 02:18:11
lastmod: 2025-01-16 02:18:11
status_changed: 2025-01-16 02:18:11
type: thesis
metadata_visibility: show
creators_name: Fadilah, Ibnu
creators_name: Awaliyah Zuraiyah, Tjut
creators_name: Delli W, Fajar
creators_NPM: 065116287
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Fadilah, Ibnu
contributors_name: Awaliyah Zuraiyah, Tjut
contributors_name: Delli W, Fajar
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pnegetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: Implementasi Decision Tree Untuk Analisis Sentimen Pada
Aplikasi Tiktok
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: public
abstract: Implementasi Decision Tree Untuk Analisis Sentimen Pada
Aplikasi Tiktok
Ibnu Fadilah
Program Studi Ilmu Komputer, Universitas Pakuan, Bogor
Email : ibnufadilah07@gmail.com
Abstrak- Media sosial telah menjadi platform penting untuk berbagi informasi dan memperluas koneksi,
namun juga membawa dampak negatif seperti kecanduan dan perilaku tidak wajar. Salah satu aplikasi
populer, TikTok, memungkinkan pengguna merekam, mengedit, dan membagikan video dengan fitur
menarik, seperti efek khusus. Meskipun pernah diblokir pemerintah Indonesia pada 2018 karena konten
yang tidak pantas, TikTok kembali diakses dan menjadi viral hingga akhir 2019. Analisis sentimen
digunakan untuk memahami opini pengguna, baik positif maupun negatif, terhadap aplikasi ini.
Penelitian ini menganalisis ulasan pengguna di Play Store terkait TikTok dengan menggunakan
algoritma Decision Tree. Dataset penelitian terdiri dari 1500 ulasan, dengan 1196 ulasan positif dan 304
ulasan negatif. Proses data melibatkan preprocessing seperti case folding, tokenizing, filtering, dan
stemming.
Hasil penelitian menunjukkan bahwa model Decision Tree efektif dalam analisis sentimen, dengan uji
fitur N-Gram menghasilkan akurasi tertinggi pada Untuk Unigram mendapatkan nilai akurasi
sebesar 80% dengan nilai presisi sebesar 95% dan recall sebesar 82%. Untuk Bigram memiliki
akurasi sebesar 80%, presisi 99% dan recall 80%. Sedangkan untuk Trigram dengan nilai
akurasi sebesar 79%, presisi 100% dan recall 79%. Metode ini dapat digunakan untuk memahami
sentimen pengguna secara real-time, memberikan wawasan yang berguna untuk evaluasi dan
pengembangan aplikasi TikTok.
Kata Kunci : analisis sentimen, Decision Tree, Unigram, Bigram, Trigram, TikTok.
date: 2024-02-07
date_type: published
pages: 13
institution: Universitas Pakuan
department: Fakultas Matematika dan Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Fadilah, Ibnu and Awaliyah Zuraiyah, Tjut and Delli W, Fajar  (2024) Implementasi Decision Tree Untuk Analisis Sentimen Pada Aplikasi Tiktok.  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/8836/1/Skripsi_065116287_Ibnu%20Fadilah.pdf