Record Detail Back
Sistem Prediksi Kebutuhan Kalori Dan Hidrasi Terpersonalisasi Pada Pasien Diabetes Tipe 2 Menggunakan Random Forest Dan Content-Based Filtering Berbasis Web
- Share to:
Ulasan pengguna pada aplikasi WhatsApp di Google Play Store merupakan sumber informasi yang dapat digunakan untuk mengetahui persepsi pengguna terhadap kualitas layanan aplikasi. Namun, jumlah ulasan yang terus bertambah menyulitkan proses analisis secara manual sehingga diperlukan sistem analisis sentimen otomatis. Penelitian ini bertujuan mengimplementasikan pipeline berbasis tokenizer IndoBERT pada sistem untuk menganalisis sentimen ulasan WhatsApp berbahasa Indonesia. Dataset yang digunakan berasal dari Kaggle dan telah melalui tahap preprocessing serta pelabelan sentimen positif, netral, dan negatif. Sistem dikembangkan menggunakan metode Agile Unified Process (AUP), dengan FastAPI sebagai backend dan HTML, CSS, serta JavaScript sebagai frontend. Implementasi mencakup proses preprocessing, tokenisasi, representasi fitur berbasis Transformer, klasifikasi sentimen menggunakan IndoBERT, serta deteksi mixed sentiment menggunakan pendekatan rule-based pada tahap inferensi. Hasil evaluasi menunjukkan model memperoleh accuracy sebesar 94,28% dan weighted average F1-score sebesar 94,24%, sedangkan pengujian black-box menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan. Penelitian ini menghasilkan sistem
analisis sentimen yang mampu mengklasifikasikan ulasan pengguna secara otomatis serta menyajikan hasil analisis dalam bentuk visualisasi dan laporan
Ghifari Naufal Nasrullah - Personal Name
005 NAS S
NONE
Text
Indonesia
Universitas Langlangbuana
2026
Bandung
LOADING LIST...
LOADING LIST...
APA Citation
Ghifari Naufal Nasrullah. (2026).Sistem Prediksi Kebutuhan Kalori Dan Hidrasi Terpersonalisasi Pada Pasien Diabetes Tipe 2 Menggunakan Random Forest Dan Content-Based Filtering Berbasis Web.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd