PENERAPAN METODE ALGORITMA NAIVE BAYES PADA KLASIFIKASI APLIKASI GOOGLE PLAY STORE DENGAN MENGGUNAKAN PLATFORM MACHINE LEARNING

Nur Oktafiani, Zaneta (2025) PENERAPAN METODE ALGORITMA NAIVE BAYES PADA KLASIFIKASI APLIKASI GOOGLE PLAY STORE DENGAN MENGGUNAKAN PLATFORM MACHINE LEARNING. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (246kB)
	Text BAB II.pdf Restricted to Registered users only Download (305kB)
	Text BAB III.pdf Restricted to Registered users only Download (173kB)
	Text BAB IV.pdf Restricted to Registered users only Download (621kB)
	Text BAB V.pdf Download (215kB)
	Text DAFTAR PUSTAKA.pdf Download (154kB)

Abstract

Permasalahan yang sering dihadapi pengguna Google Play Store adalah kesulitan dalam menemukan aplikasi yang relavan dan sesuai kebutuhan, akibat banyaknya aplikasi yang tersedia dan kurangnya personalisasi dalam rekomendasi. Untuk mengatasi hal tersebut, penelitian ini menerapkan metode Machine Learning dengan menggunakan algortima Naïve Bayes Multinominal. Data yang digunakan merupakan dataset Google Play Store berjumlah 10.842 aplikasi, yang di proses melalui tahapan pembersihan data, transformasi data, encoding, dan selesksi fitur. Penelitian ini bertujuan untuk mengklasifikasikan aplikasi berdasarkan kategori, rating, serta popularitas guna membantu pengguna menemukan aplikasi terbaik. Model di latih dengan pembagian data 80% untuk pelatihan dan 20% untuk pengujian, kemudian di evaluasi menggunakan akurasi, precision, recall, dan confusion matrix. Hasil menunjukkan model mencapai akurasi 83,28% dalam mengklasifikasikan aplikasi kedalam kategori “Best” dan “Non Best”. Analisis tambahan juga di lakukan untuk merekomendasikan aplikasi dengan rating ≥4.5, ulasan ≥1.000, dan instalasi ≥50.000. Penelitian ini diimplementasikan menggunakan Python pada platform Google Colab.

Actions (login required)

View Item