• Kode Repository : SKI34/DES/21
• NPM : 065117189
• Nama : Desi Noviana
• Pembimbing 1 : -Arie Qur'ania M.Kom
• Pembimbing 2 : -Drs. Syarif Hidayatullah, M.Kom.
• Abstrak : -ANALISIS SENTIMEN REVIEW ULASAN PENGGUNA APLIKASI OJEK ONLINE DI PLAYSTORE MENGGUNAKAN METODE RECCURENT NEURAL NETWORK Desi Noviana1, Arie Qur’ania2, Syarif Hidayatullah3 1,2,3 Prodi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan, Bogor, Jawa Barat, 16143, Indonesia Abstrak Ojek online merupakan sebuah transformasi dari ojek konvensional yang biasanya bertempat dipangkalan untuk menunggu pelanggan.Tujuan dalam penelitian ini adalah dapat membantu memberikan sudut pandang baru kepada perusahaan dan pengembang aplikasi untuk dapat memantau sentimen merek dan produk dalam umpan balik pengguna Perancangan menggunakan bahasa pemograman Python Mengklasifikasikan data pada ulasan aplikasi ojek online dalam jumlah yang besar secara otomatis. Reccurent Neural Network (RNN) merupakan bagian dari Neural Network untuk memproses data yang bersambung atau sekuensial. Untuk menyimpan informasi RNN melakukan looping di dalam arsitekturnya, yang mana informasi pada masa lalu akan tetap tersimpan. Sifat dasar sekuensial ini menunjukan bahwa RNN memang memiliki arsitektur yang didedikasikan untuk data berbentuk sequence dan list. RNN terbukti menyelesaikan permasalahan seperti speech recogmition,machine translation,sentiment analysis, image captioning data latih dan data uji dengan rasio 80% dan 20%. Nilai epoch 20 dan 25 nilai hidden layer yang digunakan 5,10 dan 15 Hasil percobaan menghasilkan nilai akurasi tertinggi 87.31% dan untuk 5 percobaan lainnya mendapatkan nilai akurasi rata-rata sebesar 86.02%. Dan uji coba menggunakan confusion matrix. Dimana menghasilkan nilai akurasi sebesar 87.00%, presisi 87.00%, recall 99.00% dan f1-score 93.00%.menggunakan ulasan pada playstore dengan Jumlah data yang digunakan sebesar 10.000 yang didapatkan dengan menggunakan metode scraping dengan jumlah kelas negatif sebesar 6802 data, kelas sentimen netral dengan jumlah data sebesar 1060 dan kelas sentimen positif sebesar 865. Model yang digunakan RNN-LSTM dan mengikuti kaidah Knowladge Discovery and Data Mining (KDD). Proses preprocessing diantaranya adalah case folding, tokenizing, filtering dan stemming. Kata Kunci: Ojek online; Reccurent Neural Network (RNN); Sentiment Analysis; 1. Pendahuluan Ojek online merupakan sebuah transformasi dari ojek konvesional yang biasanya bertempat dipangkalan untuk menunggu pelanggan. Seiring berjalannya waktu, transportasi di Indonesia telah mengalami banyak peningkatan karena meningkatnya kebutuhan masyarakat terhadap transportasi umum. Permintaan akan adanya transportasi yang tiba ditempat serta transportasi yang mudah ditemukan oleh masyarakat akan efesien waktu yang lebih optimal [1] Dalam Undang-undang Nomor 22 Tahun 2009 tentang Lalu Lintas dan Angkatan Jalan Pasal 1 angka 10 menyatakan bahwa kendaraan bermotor umum adalah setiap kendaraan yang digunakan untuk angkutan barang dan/atau orang dengan dipungut biaya. Sedangkan berdasarkan pasal 1 angka 20 Undang-undang Lalu Lintas Angkatan Jalan menyatakan bahwa “Sepeda motor adalah kendaraan bermotor beroda dua dengan atau tanpa rumah-rumah dan dengan atau tanpa kereta samping atau kendaraan bermotor beroda tiga tanpa rumah-rumah [2], perkembangan teknologi yang semakin modern telah merambah dunia transportasi di Indonesia. Hal ini terlihat dari bermunculannya model transportasi berbasis online pada kota-kota besar di Indonesia [3]. Tujuan dalam penelitian ini adalah dapat membantu memberikan sudut pandang baru kepada perusahaan dan pengembang aplikasi untuk dapat memantau sentiment merek dan produk dalam umpan balik pengguna, dan memahami kebutuhan pengguna aplikasi, Perolehan data diambil dengan melakukan scraping. Metode yang digunakan dalam penelitian ini ialah Reccurent Neural Network (RNN). Perancangan menggunakan bahasa pemograman Python.Data yang diambil mengenai sentimen review ulasan masyarakat terhadap aplikasi ojek online (Gojek) di playstore untuk melihat tanggapan pengguna aplikasi apakah positif, negatif dan netral, Mengklasifikasikan data pada ulasan aplikasi ojek online dalam jumlah yang besar secara otomatis. Mengetahui pola respon ulasan masyarakat terhadap aplikasi
• Program Studi : Ilmu Komputer