Article Per Year (5 Year)
p-Index From 2019 - 2024
2.304
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Jurnal Pilar Nusa Mandiri Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal Mantik Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Infotek : Jurnal Informatika dan Teknologi Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Ginabila Ginabila
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Ilmiah ILKOMINFO - Ilmu Komputer

 1 
Analisis Sentimen Terhadap Pemutar Musik Online Spotify Dengan Algoritma Naive Bayes dan Support Vector Machine Ginabila Ginabila; Ahmad Fauzi
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 6, No 2 (2023): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v6i2.180

Abstract

Abstrak: Manusia memiliki kebutuhan preferensi musik yang yang sangat beragam, oleh karena itu pemutar musik online menjadi salah satu solusi untuk memenuhi kebutuhan ini dengan menyediakan katalog musik yang luas. Analisis sentimen adalah proses untuk mengevaluasi dan mengklasifikasikan sentimen atau perasaan di balik teks atau data yang diberikan. Dalam konteks ini, analisis sentimen dilakukan pada pemutar musik online Spotify. Dua algoritma yang umum digunakan untuk analisis sentimen adalah Naive Bayes dan Support Vector Machine (SVM). Kedua algoritma ini dapat diterapkan dalam analisis sentimen pada pemutar musik online. Data teks seperti ulasan atau komentar pengguna dikumpulkan dan dilabeli dengan sentimen yang sesuai. Hasil dari penelitian menggunakan kedua algoritma ini menghasilkan nilai akurasi yang hampir sama baiknya. Algoritma Support Vector Machine menghasilkan tingkat akurasi sebesar 82,42%, sedangkan untuk Algoritma Naive Bayes mencapai 84,73%.Kata kunci: Analisis Sentimen, Naive Bayes, Support Vector MachineAbstract: Humans have diverse music preferences and online music players are a solution to meet these needs by providing a wide music catalog. Sentiment analysis is the process of evaluating and classifying sentiments or feelings behind given texts or data. In this context, sentiment analysis is performed on Spotify online music players. Two common algorithms used for sentiment analysis are Naive Bayes and Support Vector Machine (SVM). Both algorithms can be applied in sentiment analysis for online music players. Text data such as user reviews or comments are collected and labeled with corresponding sentiments. The results of the research using both algorithms yielded similar high accuracy. The Support Vector Machine algorithm achieved an accuracy rate of 82.42%, while the Naive Bayes algorithm reached 84.73%.Keywords: Sentiment Analysis, Naive Bayes, Support Vector Machine
Co-Authors Abdul Hamid Ahamd Fauzi Ahmad Fauzi Ahmad Fauzi Ahmad Hafidzul Kahfi Akmal Dirgantara Akrom, Akrom Anak Agung Gede Sugianthara Imam Nawawi Jamhari Jamhari Mochammad Abdul Azis Rizal Prasetyo