PERPUSTAKAAN UNIVERSITAS TRILOGI

  • Beranda
  • E-Library
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • E-Resources
    Trilogi Free Journal Perpustakaan Nasional
      E-Resources Perpusnas Indonesia OneSearch
    Gale
      Business & Economic Science & Engineering Social & Humanities
  • Area Member
    Masuk Form Pengunjung
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Analisis sentimen terhadap aplikasi gojek driver dengan metode naïve bayes classifier

Text

Analisis sentimen terhadap aplikasi gojek driver dengan metode naïve bayes classifier

Dhika Adhi Saputra - Nama Orang - Pengarang Utama; Dewi Lestari - Nama Orang - Pembimbing; Gatot Tri Pranoto - Nama Orang - Pembimbing;

Aplikasi ojek online berbasis mobile semakin diminati oleh masyarakat karena mudah digunakan dan lebih efisien. Salah satu aplikasi ojek online berbasis mobile adalah aplikasi Gojek driver. Gojek driver adalah sebuah aplikasi yang digunakan oleh pengemudi ojek online yang di buat oleh PT. Go To Gojek Tokopedia Tbk untuk para mitranya. Akan tetapi mash banyak kekurangan pada aplikasi Gojek driver di antaranya adalah rute pengantaran yang tidak sesuai, sistem orderan yang tidak merata dan lain sebagainya, oleh karena itu analisis sentimen terhadap aplikasi gojek driver untuk melihat aspek aspek yang harus diperbaiki agar aplikasi bisa menjadi lebih efektif dan lebih baik. Tujuan dari penelitian ini adalah untuk melakukan analisis sentimen terhadap aplikasi Gojek driver dengan mengunakan metode Naive Bayes Classifier. Data yang akan digunakan dalam penelitian ini diperoleh dari ulasan pengguna yang terdapat di PlayStore. Metode Naive bayes Classifier digunakan untuk mengklasifikasikan ulasan sentimen menjadi kategori positif dan negatif serta menggunakan confusion matrix sebagai metode untuk mengukur performa model machine learning. Hasil dengan menggunakan metode Naïve Bayes Classifier pada 3.000 ulasan memperoleh nilai accuracy 85%, precision 86%, recall 98% dan F I - score 92%. dari hasil yang didapatkan algortima Naïve bayes Classifier membuktikan bahwa nilai akurasi cukup tinggi yaitu sebesar 85% sehingga dapat menjadi pilihan dalam pengklasifikasian data ulasan.


Ketersediaan
TI25/012TI 25/012Prodi Teknik Informatika (Ruang Skripsi & Tesis)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
TI 25/012
Penerbit
Jakarta : Universitas Trilogi., 2025
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI
Tipe Isi
text
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Trilogi University--Information technology
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Dhika Adhi Saputra
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN UNIVERSITAS TRILOGI
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan UNIVERSITAS TRILOGI merupakan Pusat Informasi dan sumber belajar yang mempunyai fungsi utamanya adalah menunjang pelaksanaan Tridharma Perguruan Tinggi yang meliputi pendidikan, penelitian dan pengabdian masyarakat. 

1. Membantu terlaksananya pendidikan dan pengajaran yang menuju suatu keahlian professional 

2. Menyediakan koleksi yang memadai demi terlaksananya penelitian terapan 

3. Menjadikan koleksinya sebagai penunjang pelaksanaan pengabdian kepada masyarakat.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik