Implementasi NLP(Natural Language Processing) Dasar pada Analisis Sentiment Review Spotify

Marsha Prasetya; Miftakhul Wulandari; Siti Alvi Nikmah

doi:10.29407/stains.v3i1.4166

Authors

Marsha Prasetya Universitas Nusantara PGRI Kediri
Miftakhul Wulandari Universitas Nusantara PGRI Kediri
Siti Alvi Nikmah Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.29407/stains.v3i1.4166

Keywords:

Analisis Sentimen, Klasifikasi , Machine Learning , NLP, spotify

Abstract

Dalam Penelitian ini, analisis sentiment terhadap ulasan Spotify dilakukan dengan menggunakan teknik Natural Language Processing(NLP). Langkah-langkah prapemrosesan khusus diimplementasikan untuk meningkatkan kinerja klasifikasi sentiment, yang bertujuan untuk mencapai hasil yang lebih unggul dibandingkan dengan solusi berbasis NLP (Natural Language Processing). Prosedur prapemrosesan ini sangat penting dalam mengategorikan emosi secara efektif. Analisis sentiment yang dihasilkan mengelompokkan sentiment kedalam tiga kelas : negative, netral dan positif. Kelas-kelas turunan ini menjadi sasaran analisis komparatif yang menggunakan metodologi machine learning. Penilaian komparatif menentukan bawha metode Naïve bayes dan Logistic Regression menunjukan kinerja klasifikasi yang lebih sukses dibandingkan dengan pendekatan lainnya. Untuk mengatasi ketidakseimbangan data dalam dataset, berbagai metode penanganan ketidakseimbangan digunakan dan disandingkan satu sama lain melalui investigasi ini. Penelitian ini berkontribusi pada pemahaman yang lebih komprehensif tentang analisis sentiment dalam konteks ini. Pada kedua metode ini juga pasti terdapat perbedaan hasil antara algoritma naïve bayes dan juga algoritma logistic regression, untuk mengetahui algortima mana yang lebih unggul untuk mendapatkan akurasi tertinggi dalam pengolahan dataset spotify ini, maka harus dilakukan antara perbandingan algoritmat Naive bayes dan algoritma Logistic Regression.

Downloads

Download data is not yet available.

References

M. D. Rhajendra and N. Trianasari, “Analisis Sentimen Ulasan Aplikasi Spotify Untuk Peningkatan Layanan Menggunakan Algoritma Naive Bayes,” eProceedings Manag., vol. 8, no. 5, 2021.

G. M. T. D. N. D. N. E. D. S. F. N. P. P. Biancofiore, “Aspect Based Sentiment Analysis in Music: a case study with Spotify,” SAC, 2022, [Online]. Available: https://dl.acm.org/doi/10.1145/3477314.3507092

G. Ginabila and A. Fauzi, “Analisis Sentimen Terhadap Pemutar Musik Online Spotify Dengan Algoritma Naive Bayes dan Support Vector Machine,” J. Ilm. Ilk. Komput. Inform., vol. 6, no. 2, pp. 111–122, 2023.

M. simsek Buğra Kağan kayhan, “Enhancement of Sentiment Analysis Classification Performance of Spotify,” IJANSER, vol. Vol. 7 No., 2023, [Online]. Available: https://as-proceeding.com/index.php/ijanser/article/view/1423

Nadhif Sanggara Fathullah, Y. A. (2020, Februari 2). Analisis sentimen terhadap rating dan ulasan film dengan menggunakan metode klasifikasi Naive Bayes dengan fitur Lexicon-based. 4.

Jeremy Andre Septian, T. M. (2019). Analisis Sentimen Pengguna Twitter Terhadap polemik persepakbolaan indonesia menggunakan pembobotan TF-IDF dan K-Nearest Neighbor. vol. 1.

A. S. Rahayu, A. Fauzi, and R. Rahmat, “Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Spotify,” J. Sist. Komput. dan Inform., vol. 4, no. 2, pp. 349– 354, 2022.

Kelvin, J. B. (2022, Februari 2). Analisis perbandingan sentimen corona virus disease 2019 (covid19) pada Twitter menggunakan metode Logistic Regression dan Support vector machine (SVM). 5.

K. P. J. Sitompul, A. R. Pratama, and K. A. Baihaqi, “Komparasi algoritma Naive Bayes, support vectore machine dan logistic regression pada analisis sentimen pengguna aplikasi transportasi online,” Klik-kumpulan j. ilmu komput., vol. 10, no. 1, pp. 27–38, 2023.

Rahmadanti, T. F. (2021). Klasifikasi Pengguna Shopee Berdasarkan Promosi Menggunakan Naive Bayes. Generation Journal/Vol.5 No.2, 81-90.