METHODE K-NN FOR ANALYS SENTIMENT REVIEW KIDS APPS
DOI:
https://doi.org/10.23887/jstundiksha.v8i2.21240Keywords:
Review Komentar, Kids Apps, k-Nearest Neighbors, Penyeleksian TeksAbstract
Abstrak
Kini aplikasi berbasis android ataupun ios sudah merambah ke semua pengguna smartphone dari orang tua remaja sampai anak-anak, para vendor aplikasi maupun pihak pebisnis berlomba menciptakan aplikasi guna meraup keuntungan, mulai kualitas dan performa tinggi sampai kualitas yang masih sering diragukan khususnya pada pengguna anak dibawah umur yang membuat orang tua khawatir dengan yang di konsumsi anaknya, sehingga peneliti melakukan penelitian dalam penyeleksian terhadap aplikasi untuk anak-anak. Berdasarkan pendapat atau komentar masyarakat yang sudah menggunakan aplikasi tersebut yang mereka tulis kedalam media online. Dari sampel komentar yang telah direview oleh peneliti dan memperoleh data set berupa teks positif dan negatif yang diolah pada pengklasifikasian data dengan menggunakan metode k-Nearest Neighbors (k-NN), dimana metode tersebut salah satu metode algoritma yang paling terkenal dan sering digunakan pada pengenalan pola. Banyak peneliti menyatakan bahwa algoritma k-NN dapat menyelesaikan kinerja data yang sangat baik pada data set yang berbeda terutama pada penyeleksian teks, untuk meningkatkan kinerja klasifikasinya. Pada data set yang telah diuji nilai akurasi yang didapat 78.50% yang diartikan masih dalam batas yang baik pada penggunaan metode k-NN. Pada metode k-NN sesuai dengan konsep text mining yaitu bertujuan untuk mencari pola pada teks, yang dilakukan pada text mining kali ini text classification.
Kata Kunci: Review Komentar, Kids Apps, k-Nearest Neighbors, Penyeleksian Teks
References
Feldman, Ronen and Sanger, James. 2007. The Text Mining Handbook Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press, New York.
Gorunescu. 2011. Data Mining Concepts, Models and Techniques. Romania: Springer-Verlag Berlin Heidelberg
Popescu, A. M., Etzioni, O.: Extracting Product Features and Opinions from Reviews, In Proc. Conf. Human Language Technology and Empirical Methods in Natural Language Processing, Vancouver, British Columbia, 2005, 339–346.
Songbo Tan, Jin Zhang, “An empirical study of sentiment analysis for chinese documents”, Expert Systems with Applications 34 (2008) 2622–2629.
Vinodhini.G,Chandrasekaran.RM.2012.Sentiment Analysis and Opinion Mining: A Survey. International Journal of Advanced Research in Computer Science and Software Engineering, ISSN: 2277 128X,Vol 2.
Wadyono, Agus dan Sudarma S. 2012. Tip Trik Android untuk Pengguna Tablet & Handphone. Media Kita, Jakarta.
Juansyah, Andi. “Pembangunan aplikasi child tracker berbasis assisted – global positioning system (a-gps) dengan platform android”, Jurnal Komputa (2015) ISSN:2089-9033 Vol 1.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with the Jurnal Sains dan Teknologi (JST) agree to the following terms:
- Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work. (See The Effect of Open Access)
