Indi Nurul Hassanah
Universitas Buana Perjuangan Karawang

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DENGAN DECISION TREE PADA APLIKASI RUANG GURU Indi Nurul Hassanah; Sutan Faisal; Amril Mutoi Siregar
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 10, No 1 (2023)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v10i1.602

Abstract

Mobile Learning is electronic-based learning using a computer or computer-based. One of the most widely known Mobile Learning applications today is Ruang Guru. One way to determine the success of an application is to do a sentiment analysis of the application. The purpose of this study was to find the best accuracy model for classifying data in the SVM and Decision Tree algorithms. The data is taken from the comments column in the playstore on the Ruang Guru application as much as 1500 data. Then the data is labeled into 2 classes, namely positive and negative. After that, the data is divided into 70% training data and 30% testing data. The results of the comparison show that the best test model for sentiment classification cases is found in the SVM algorithm with an accuracy value of 84.2%, while the Decision Tree algorithm gets an accuracy value of 70%. So it can be concluded that the SVM algorithm has a better value for classification of review data in the Ruang Guru application compared to the Decision Tree algorithm. Keywords: Ruang Guru, sentiment analysis, SVM, Decision Tree Mobile Learning merupakan pembelajaran berbasis elektronik dengan menggunakan komputer atau berbasis komputer. Salah satu aplikasi Mobile Learning yang banyak dikenal saat ini adalah Ruang Guru . Salah satu cara untuk mengetahui keberhasilan suatu aplikasi adalah dengan melakukan analisis sentimen terhadap aplikasi tersebut. Tujuan penelitian ini untuk menemukan pemodelan akurasi terbaik terhadap pengklasifikasian data pada algoritma SVM dan Decision Tree. Data diambil dari kolom komentar di playstore pada aplikasi Ruang Guru sebanyak 1500 data. Kemudian data tersebut dilabelkan menjadi 2 kelas yaitu positif dan negatif. Setelah itu, data dibagi 2 menjadi data training sebanyak 70% dan data testing 30%. Hasil perbandingan menunjukkan model uji terbaik untuk kasus klasifikasi sentimen terdapat pada algoritma SVM dengan nilai akurasi sebesar 84.2% sedangkan pada algoritma Decision Tree mendapatkan nilai akurasi sebesar 70%. Sehingga dapat disimpulkan bahwa algoritma SVM memiliki nilai yang lebih baik untuk klasifikasi data ulasan pada aplikasi Ruang Guru dibandingkan algoritma Decision Tree.Kata kunci: Ruang Guru, analisis sentimen, SVM, Decision Tree