Analisis Sentimen Ulasan Aplikasi CapCut pada Play Store Berbasis Metode Random Forest Classifier

• DESTY ALYA SALSABILA KUSUMA
• 2024

---

Perkembangan teknologi digital telah mengubah berbagai aktivitas, salah satunya dengan munculnya aplikasi CapCut, sebuah aplikasi pengeditan video yang populer. Namun, banyak pengguna melaporkan bahwa aplikasi sering mengalami lag, crash, lambat saat mengedit video dengan durasi panjang, dan iklan yang menghambat. Penelitian ini bertujuan untuk memahami sentimen umum pengguna, mengimplementasikan Random Forest Classifier dalam analisis sentimen ulasan pengguna, serta mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan recall. Penelitian ini menggunakan metode Random Forest Classifier karena kemampuannya dalam menghasilkan akurasi tinggi dan sensitivitas terhadap gangguan. Dataset terdiri dari 1000 data pelatihan dan 500 data pengujian. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi sebesar 86,38% pada data pelatihan dan 88,24% pada data pengujian. Sentimen pengguna CapCut beragam dengan 412 ulasan positif, 410 ulasan negatif, dan 178 ulasan netral pada data pelatihan, serta 248 ulasan positif, 224 ulasan negatif, dan 28 ulasan netral pada data pengujian. Temuan ini memberikan wawasan berharga bagi pengembang CapCut untuk meningkatkan aplikasi berdasarkan umpan balik pengguna. Penelitian ini membuktikan bahwa Random Forest Classifier efektif untuk analisis sentimen dengan akurasi tinggi, sehingga dapat diandalkan untuk mengklasifikasikan sentimen pengguna secara tepat.

• Analisis Sentimen
• Ulasan Pengguna
• Random Forest Classifier

https://repository.bsi.ac.id/repo/55604/Analisis-Sentimen-Ulasan-Aplikasi-CapCut-pada-Play-Store-Berbasis-Metode-Random-Forest-Classifier
Anda dapat membaca file tugas akhir ini di repository.