View/Open

Author

Advisor

Koleksi
Sains Data

Publisher

Sentimen pengguna terhadap layanan musik digital menjadi indikator penting dalam menilai kualitas dan kepuasan terhadap aplikasi. Na mun, ketidakseimbangan kelas pada data ulasan sering menjadi hambat an dalam proses klasifikasi. Penelitian ini bertujuan mengklasifikasikan sentimen pengguna aplikasi musik online dengan mengatasi ketidakse imbangan data menggunakan Synthetic Minority Over-sampling Tech nique (SMOTE) dan mengoptimalkan parameter algoritma K-Nearest Neighbor (KNN) melalui K-Fold Cross Validation. Penelitian menggu nakan 1049 ulasan dari pengguna Spotify, Joox, dan SoundCloud yang diperoleh melalui web scraping Google Play Store. Proses analisis me liputi preprocessing teks, vektorisasi TF-IDF, penyeimbangan kelas de ngan SMOTE, penentuan nilai K terbaik menggunakan K-Fold Cross Validation, serta evaluasi model melalui metrik accuracy, precision, re call, dan F1-score. Hasil menunjukkan bahwa nilai K = 3 memberi kan performa optimal pada KNN, dan penerapan SMOTEmenghasilkan akurasi uji sebesar 88,57%. Selain itu, SMOTE efektif menyeimbangk an distribusi kelas minoritas sehingga meningkatkan kemampuan model dalam klasifikasi sentimen. Temuan ini membuktikan bahwa kombinasi SMOTEdanKNNdenganoptimasiparametermelaluiK-FoldCrossVa lidation dapat menangani data tidak seimbang secara efektif pada anali sis sentimen layanan musik digital.

URI
https://repo.itera.ac.id/depan/submission/SB2511170015

Keyword