<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="8626">
 <titleInfo>
  <title>PENGGUNAAN ALGORITMA RANDOM FOREST  &#13;
UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA &#13;
APLIKASI SATUSEHAT MOBILE BERBASIS  &#13;
TEKNIK TEXT MINING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>BOBBY RIZKI NUR HIDAYAT - 17190018</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>Rangga Sanjaya, S.T., M. Kom. (Pembimbing)</namePart>
  <role>
   <roleTerm type="text">Editor</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text"></placeTerm>
   <publisher>Universitas ARS</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
&#13;
Aplikasi SATUSEHAT Mobile merupakan hasil transformasi dari PeduliLindungi &#13;
yang dikembangkan oleh Kementerian Kesehatan (Kemenkes) sebagai platform &#13;
untuk menyebarkan informasi dan program kesehatan kepada masyarakat. Aplikasi &#13;
ini bertujuan untuk membantu masyarakat Indonesia menjalani gaya hidup yang &#13;
lebih sehat dan mencegah penyebaran COVID-19.  Dengan lebih dari 1 juta ulasan &#13;
dan nilai rating 3,7 bintang di Google Play Store, penting untuk menganalisis &#13;
sentimen ulasan pengguna guna memahami pandangan pengguna terhadap aplikasi &#13;
dan untuk meningkatkan kualitas aplikasi tersebut. Melalui pendekatan metode &#13;
Teknik Text Mining, data ulasan pengguna dieksplorasi menggunakan algoritma &#13;
pembelajaran mesin. Algoritma Multinomial Naïve Bayes, K-Nearest Neighbors &#13;
dan Decision Tree digunakan untuk membandingkan kinerja Random Forest dalam &#13;
menganilisis sentimen ulasan pengguna tersebut. Hasilnya penelitian menunjukkan &#13;
bahwa algoritma Random Forest memberikan analisis sentimen ulasan pengguna &#13;
dengan tingkat akurasi tertinggi, sementara algoritma K-Nearest Neighbors (KNN) &#13;
memiliki tingkat akurasi terendah. Penelitian ini memiliki relevansi penting dalam &#13;
meningkatkan kualitas aplikasi SATUSEHAT Mobile berdasarkan pandangan dan &#13;
umpan balik ulasan pengguna.</note>
 <note type="statement of responsibility"></note>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Digital Library ARS University Perpustakan Online ARS University</physicalLocation>
  <shelfLocator>016/S1.TI.SKP/2023</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">S03459K</numerationAndChronology>
    <sublocation>Teknik Informatika</sublocation>
    <shelfLocator>016/S1.TI.SKP/2023</shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="27322" url="" path="/f67e59957fdfef3dff2a55aadde8c92d.pdf" mimetype="application/pdf">Bab 1</slims:digital_item>
  <slims:digital_item id="27324" url="" path="/d2615ddf1835ec63f8ae9e76b7401bc3.pdf" mimetype="application/pdf">Bab 3</slims:digital_item>
  <slims:digital_item id="27326" url="" path="/dbd40acf5ff803ddf1826bbe3cd519db.pdf" mimetype="application/pdf">Bab 5</slims:digital_item>
  <slims:digital_item id="27327" url="" path="/fedb6175cd218d16767ed30aa94e2030.pdf" mimetype="application/pdf">DAFTAR PUSTAKA</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>8626</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2026-05-11 11:08:06</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2026-05-11 11:09:01</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>