Ekstraksi Pengetahuan dari Ulasan Aplikasi CapCut Menggunakan Metode Aspect-Based Sentiment Analysis dan Klasifikasi

Authors

  • Ishlah Putri Ariyani Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Ken Ditha Tania Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Ari Wedhasmara Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Sriwijaya
  • Allsela Meiriza Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Sriwijaya

Keywords:

ABSA, CapCut, knowledge extraction, classification, ekstraksi pengetahuan, klasifikasi

Abstract

Indonesia mengalami perkembangan teknologi yang pesat, khususnya dalam penggunaan internet dan platform editing seperti CapCut. Platform ini memungkinkan pengeditan video di berbagai perangkat, namun kepuasan pengguna tidak selalu terjamin karena perbedaan pengalaman individu. Penelitian ini bertujuan untuk mengidentifikasi sentimen pengguna terhadap aplikasi CapCut berdasarkan aspek.Dengan menggunakan pendekatan Aspect-Based Sentiment Analysis (ABSA) yang didukung oleh algoritma Machine Learning untuk tugas klasifikasi sentimen berdasarkan aspek. Algoritma yang digunakan dalam proses klasifikasi adalah Support Vector Machine. Data yang digunakan adalah ulasan aplikasi CapCut dari Google Play Store sebanyak 22.668 data. Hasil penelitian menunjukkan bahwa algoritma Support Vector Machine (SVM) memiliki performa yang baik untuk masing-masing aspek dengan nilai akurasi untuk aspek fitur 0,88 dan aspek user experience 0,87. Hasil ekstraksi pengetahuan yang diperoleh berupa XML yang memuat informasi sentimen pengguna terhadap dua aspek utama, yaitu fitur dan user experience. 

References

F. Noor Hasan, “Analisis Sentimen Pengguna Aplikasi CapCut Pada Ulasan di Play Store Menggunakan Metode Naïve Bayes,” Media Online), vol. 4, no. 4, 2024, doi: 10.30865/klik.v4i4.1555.

R. Syahmewah, “PENGARUH PENGGUNAAN TEMPLATE PADA APLIKASI CAPCUT YANG MEMUDAHKAN MAHASISWA UNTUK MENGEDIT VIDIO SEBAGAI MEDIA PEMBELAJARAN,” 2023.

M. Ardiansyah, M. M, and Riswanto, “Analisis Komparasi Ketertarikan Masyarakat Kota Batam Dalam Penggunaan Video Editor Capcut dan VN,” Jurnal Informasi dan Teknologi, vol. 5, no. 3, pp. 91–102, Nov. 2023, doi: 10.60083/jidt.v5i3.398.

P. Nandwani and R. Verma, “A review on sentiment analysis and emotion detection from text,” Soc Netw Anal Min, vol. 11, no. 1, p. 81, 2021.

O. Czeranowska et al., “Migrants vs. stayers in the pandemic–A sentiment analysis of Twitter content,” Telematics and Informatics Reports, vol. 10, p. 100059, 2023.

S. Samsir, K. Kusmanto, A. H. Dalimunthe, R. Aditiya, and R. Watrianthos, “Implementation naïve bayes classification for sentiment analysis on internet movie database,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 1–6, 2022.

Y. Chasseray, A.-M. Barthe-Delanoë, S. Négny, and J.-M. Le Lann, “Knowledge extraction from textual data and performance evaluation in an unsupervised context,” Inf Sci (N Y), vol. 629, pp. 324–343, 2023.

I. Tahyudin, A. R. Hananto, S. A. Rahayu, R. M. Anjani, and A. Nurhopipah, “Sentiment Analysis Model Development on E-Money Service Complaints.,” TEM Journal, vol. 12, no. 4, 2023.

C. Zai and A. Rahman Isnain, “Komparasi Algoritma Naïve Bayes dan Support Vector Machine (SVM) pada Analisis Sentimen Capcut,” vol. 9, no. 1, p. 2024.

P. Pandunata, Y. Nurdiansyah, and F. D. Alfina, “Aspect-Based Sentiment Analysis of Avatar 2 Movie Reviews on IMDb Using Support Vector Machine,” in E3S Web of Conferences, EDP Sciences, Nov. 2023. doi: 10.1051/e3sconf/202344802041.

A. Ramadina and K. D. Tania, “Knowledge Extraction of Gojek Application Review Using Aspect-based Sentiment Analysis,” The Indonesian Journal of Computer Science, vol. 13, no. 3, 2024.

T. S. Sonnenschein, G. A. de Wit, N. R. den Braver, R. C. H. Vermeulen, and S. Scheider, “Validating and constructing behavioral models for simulation and projection using automated knowledge extraction,” Inf Sci (N Y), vol. 662, p. 120232, 2024.

O. Alqaryouti, N. Siyam, A. Abdel Monem, and K. Shaalan, “Aspect-based sentiment analysis using smart government review data,” Applied Computing and Informatics, vol. 20, no. 1–2, pp. 142–161, Jan. 2024, doi: 10.1016/j.aci.2019.11.003.

I. Akbar, F. Supriadi, and D. I. Junaedi, “PEMANFAATAN MACHINE LEARNING DI BIDANG KESEHATAN,” 2025.

M. Mujahid et al., “Sentiment analysis and topic modeling on tweets about online education during COVID-19,” Applied Sciences, vol. 11, no. 18, p. 8438, 2021.

N. B. Z. Adli, M. Ahmad, N. A. Ghani, S. D. Ravana, and A. A. Norman, “An Ensemble Classification of Mental Health in Malaysia related to the Covid-19 Pandemic using Social Media Sentiment Analysis,” KSII Transactions on Internet and Information Systems (TIIS), vol. 18, no. 2, pp. 370–396, 2024.

Downloads

Published

2025-04-01

Issue

Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright of this journal is assigned to Jurnal Buana Informatika as the journal publisher by the knowledge of author, whilst the moral right of the publication belongs to author. Every printed and electronic publications are open access for educational purposes, research, and library. The editorial board is not responsible for copyright violation to the other than them aims mentioned before. The reproduction of any part of this journal (printed or online) will be allowed only with a written permission from Jurnal Buana Informatika.

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.