KLASIFIKASI OPINI PENGGUNA APLIKASI TRIPADVISOR DI INDONESIA DARI GOOGLE PLAY STORE MENGGUNAKAN METODE SVM

KLASIFIKASI OPINI PENGGUNA APLIKASI TRIPADVISOR DI INDONESIA DARI GOOGLE PLAY

STORE MENGGUNAKAN METODE SVM

SKRIPSI

Diajukan Guna Memenuhi Persyaratan Memperoleh Gelar Sarjana Komputer (S.Kom.)

Hizkianadi Putra Hananda 00000019726

PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNIK DAN INFORMATIKA UNIVERSITAS MULTIMEDIA NUSANTARA

TANGERANG 2021

i

HALAMAN PERNYATAAN

ii

HALAMAN PERSETUJUAN

iii

HALAMAN PENGESAHAN

Skripsi dengan judul

“Klasifikasi Opini Pengguna Aplikasi TripAdvisor Di Indonesia Dari Google Play Store Menggunakan Metode SVM”

Oleh

Hizkianadi Putra Hananda

Telah diujikan pada hari Rabu, 23 Juni 2021, Pukul 10:30 s.d. 12:30 dan dinyatakan lulus

dengan susunan penguji sebagai berikut

Ketua Sidang Penguji

Ir. Raymond Sunardi Oetama, M.C.I.S. Wella, S.Kom., M.MSI.

Dosen Pembimbing

Monika Evelin Johan, S.Kom., M.M.S.I

Disahkan oleh

Ketua Program Studi Sistem Informasi - UMN

Ririn Ikana Desanti, S.Kom., M.Kom.

iv

KLASIFIKASI OPINI PENGGUNA APLIKASI TRIPADVISOR DI INDONESIA DARI GOOGLE PLAY STORE MENGGUNAKAN

METODE SVM ABSTRAK

Oleh: Hizkianadi Putra Hananda

TripAdvisor ini merupakan sebuah Travel App yang merupakan sebuah wadah bagi travel agent untuk menawarkan sebuah jasa dan memberikan daftar paket wisata yang mereka sediakan berbasis online. Aplikasi TripAdvisor dapat diunduh untuk para pengguna melalui Google Play Store. Penelitian ini dilakukan untuk mengklasifikasi sentimen terhadap ulasan-ulasan para pengguna aplikasi TripAdvisor dari Google Play Store yang nantinya akan diklasifikasikan ke dalam 2 kategori yaitu sentimen negatif dan sentimen positif sehingga hasil klasifikasi ini nanti dapat dijadikan sebuah acuan atau informasi untuk TripAdvisor dan selain itu juga untuk mengetahui apakah opini yang ditulis oleh pengguna di Google Play Store terhadap aplikasi TripAdvisor cenderung mengarah ke opini yang positif atau negatif.

Pada penelitian kali ini juga akan dilakukan proses pelabelan terhadap opini-opini yang digunakan yaitu dengan melihat jumlah rating yang diberikan terhadap opini, jika rating yang diberikan terhadap opini berkisar 1-2 opini tersebut akan masuk ke label negatif, jika opini memiliki rating 3 akan dilakukan evaluasi dengan melihat dari sisi opini apakah cenderung mengarah ke label negatif atau positif, dan untuk opini yang memiliki rating 4-5 akan masuk ke dalam label positif.

Selanjutnya akan dilakukan pengujian menggunakan metode SVM (Support Vector Machine) karena berdasarkan penelitian terdahulu yang sudah ada, metode ini dinilai memiliki sebuah akurasi yang akurat sehingga diharapkan dengan menggunakan metode SVM dalam penelitian kali ini mendapatkan hasil yang akurat. Hasil pengujian terbaik didapatkan dari pengujian menggunakan fitur N- Gram Range 1,1 (Unigram) yang menghasilkan akurasi sebesar 94%, recall 95%, precision 99%, dan F1_Score 97%.

Kata kunci: Analisis Sentimen, Google Play Store, N-Gram, Support Vector Machine, TF-IDF, TripAdvisor

v

CLASSIFICATION OF TRIPADVISOR APP USER OPINION IN INDONESIA FROM GOOGLE PLAY

STORE USING SVM METHOD ABSTRACT

By: Hizkianadi Putra Hananda

TripAdvisor is a Travel App which is a forum for travel agents to offer a service and provide a list of the tour packages they provide online. The TripAdvisor app can be downloaded for users via the Google Play Store. This research was conducted to classify the sentiments of the reviews of users of the TripAdvisor application from the Google Play Store which will later be classified into 2 categories, namely negative sentiments and positive sentiments so that the results of this classification can later be used as a reference or information for TripAdvisor and in addition to find out whether the opinions written by users on the Google Play Store on the TripAdvisor app tend to lead to positive or negative opinions.

In this study, a labeling process for the opinions used will also be carried out, namely by looking at the number of ratings given to opinions, if the rating given to opinions ranges from 1-2 the opinion will go into a negative label, if the opinion has a rating of 3 it will be done. evaluation by looking at the opinion side whether it tends to lead to a negative or positive label, and for opinions that have a rating of 4-5 it will go into a positive label.

Next will be testing using the SVM (Support Vector Machine) method because based on previous research that already exists, this method is considered to have an accurate accuracy so it is hoped that using the SVM method in this study will get accurate results. The best test results are obtained from testing using the N-Gram Range 1.1 (Unigram) feature which produces an accuracy of 94%, recall 95%, precision 99%, and F1_Score 97%.

Keywords: Sentimen Analysis, Google Play Store, N-Gram, Support Vector Machine, TF-IDF, TripAdvisor

vi

KATA PENGANTAR

Puji dan syukur kepada Tuhan Yang Maha Esa sehinggga skripsi yang berjudul

“KLASIFIKASI OPINI PENGGUNA APLIKASI TRIPADVISOR DI INDONESIA DARI GOOGLE PLAY STORE MENGGUNAKAN METODE SVM” dapat selesai dengan tepat pada waktunya. Skripsi ini penulis ajukan kepada Program Strata 1, Program Studi Sistem Informasi, Fakultas Teknologi Informasi dan Komunikasi, Universitas Multimedia Nusantara.

Dengan berakhirnya penulisan skripsi ini, penulis ingin mengucapkan banyak terima kasih kepada:

1. Dr. Ninok Leksono, selaku Rektor Universitas Multimedia Nusantara, 2. Ibu Friska Natalia, Ph.D. selaku Dekan Fakultas Teknik dan Informatika

Universitas Multimedia Nusantara,

3. Ibu Ririn Ikana Desanti, S.Kom., M.Kom. selaku Kepala Program Studi Sistem Informasi Universitas Multimedia Nusantara dalam mendukung penulis dalam penyusunan skripsi ini,

4. Ibu Monika Evelin Johan, S.Kom., M.M.S.I yang telah sabar dalam memberikan bimbingan, saran, dan masukan kepada penulis selama pengerjaan dan penyelesaian skripsi ini,

5. Semua pihak lain yang tidak dapat disebutkan satu per satu yang sudah terlibat membantu penulis dalam pembuatan skripsi ini,

vii Tidak lupa juga penulis ingin mengucapkan terima kasih kepada orang tua dan teman-teman yang telah memberikan semangat, dukungan, serta doa kepada penulis dalam penyelesaian skripsi ini.

Semoga skripsi ini dapat memberikan informasi dan inspirasi yang bermanfaat bagi para pembaca.

Tangerang, 03 Juni 2021

Hizkianadi Putra Hananda

viii

DAFTAR ISI

HALAMAN PERNYATAAN ... I HALAMAN PERSETUJUAN ... II HALAMAN PENGESAHAN ... III ABSTRAK ... IV ABSTRACT ... V KATA PENGANTAR ... VI DAFTAR ISI ... VIII DAFTAR GAMBAR ... X DAFTAR TABEL ... XI

BAB I PENDAHULUAN ... 1

1. 1 Latar Belakang ... 1

1. 2 Rumusan Masalah ... 6

1. 3 Batasan Masalah ... 6

1. 4 Tujuan Penelitian ... 7

1. 5 Manfaat Penelitian ... 7

BAB II LANDASAN TEORI ... 8

2.1 Analisis Sentimen ... 8

2.2 Support Vector Machine (SVM) ... 9

2.3 Python ... 9

2.4 Term Frequency - Inverse Document Frequency (TF-IDF) ... 10

2.5 N-Gram ... 10

2.6 Text / Data Preprocessing ... 11

2.7 Scraping ... 12

2.8 Confusion Matrix ... 13

2.9 Penelitian Terdahulu ... 15

BAB III METODOLOGI PENELITIAN ... 20

3.1 Objek Penelitian ... 20

3.2 Kerangka Pikir ... 21

3.3 Metode Penelitian... 23

ix

3.3.1. Metode Penyelesaian Masalah... 23

3.4 Teknik Pengumpulan Data ... 25

3.5 Variabel Penelitian ... 25

3.6 Teknik Pengambilan Sampel... 26

3.7 Teknik Analisis Data ... 26

BAB IV ANALISIS DAN HASIL PENELITIAN ... 29

Spesifikasi Sistem ... 29

Analisis Data ... 29

4.2.1. Import Library ... 29

4.2.2. Tahap Data Preprocessing... 33

4.2.3. Pembagian dataset ... 35

4.2.4. Model SVM ... 37

Pengujian ... 38

4.3.1. Skenario Pengujian ... 38

4.3.2. Hasil Pengujian ... 39

4.3.3. Evaluasi Hasil Pengujian ... 49

BAB V KESIMPULAN DAN SARAN ... 52

5.1 Kesimpulan ... 52

5.2 Saran ... 53

DAFTAR PUSTAKA ... 54

LAMPIRAN ... 61

x

DAFTAR GAMBAR

Gambar 1. 1 Aplikasi TripAdvisor pada Google Play Store ... 2

Gambar 1. 2 Persentase Pengguna Mobile Operating System ... 3

Gambar 3. 1 Kerangka Pikir Penelitian ... 21

Gambar 4. 1 Proses Import Library & Pengambilan dataset opini ... 30

Gambar 4. 2 Data Opini dan Jumlah Klasifikasi ... 32

Gambar 4. 3 Tahap Data Preprocessing ... 33

Gambar 4. 4 Pembagian dataset menjadi data latih dan data uji ... 36

Gambar 4. 5 TF-IDF Vectorizer ... 36

Gambar 4. 6 Permodelan SVM ... 37

Gambar 4. 7 Confusion Matrix ... 37

xi

DAFTAR TABEL

Tabel 2. 1 Rumus Confusion Matrix ... 13

Tabel 2. 2 Penelitian Terdahulu 1 ... 15

Tabel 2. 3 Penelitian Terdahulu 2 ... 16

Tabel 2. 4 Penelitian Terdahulu 3 ... 16

Tabel 2. 5 Penelitian Terdahulu 4 ... 17

Tabel 2. 6 Penelitian Terdahulu 5 ... 17

Tabel 2. 7 Penelitian Terdahulu 6 ... 18

Tabel 3. 1 Perbandingan metode penelitian SVM dan Naïve Bayes ... 24

Tabel 4. 1 Hasil dari proses Tokenizing ... 34

Tabel 4. 2 Hasil dari proses Transform Case ... 34

Tabel 4. 3 Hasil dari proses Stemming dan Stopwords ... 35

Tabel 4. 4 Hasil Opini yang sudah disederhanakan ... 35

Tabel 4. 5 Hasil Confusion Matrix 80:20 ... 40

Tabel 4. 6 Hasil Confusion Matric 70:30 ... 41

Tabel 4. 7 Hasil Confusion Matrix 60:40 ... 42

Tabel 4. 8 Hasil Confusion Matrix N-gram 1,1 ... 43

Tabel 4. 9 Fitur N-Gram Range 1,1 ... 43

Tabel 4. 10 Hasil Confusion Matrix N-gram 1,2 ... 44

Tabel 4. 11 Fitur N-Gram Range 1,2 ... 44

Tabel 4. 12 Hasil Confusion Matrix N-gram 1,3 ... 45

Tabel 4. 13 Fitur N-Gram Range 1,3 ... 45

Tabel 4. 14 Hasil Confusion Matrix N-gram 2,2 ... 46

Tabel 4. 15 Fitur N-Gram Range 2,2 ... 46

Tabel 4. 16 Hasil Confusion Matrix N-gram 2,3 ... 47

Tabel 4. 17 Fitur N-Gram Range 2,3 ... 47

Tabel 4. 18 Hasil Confusion Matrix N-gram 3,3 ... 48

Tabel 4. 19 Fitur N-Gram Range 3,3 ... 48

xii Tabel 4. 20 Hasil Proses Pengujian ... 49