Analisis Sentimen Ulasan Aplikasi Gojek pada Play Store Menggunakan Algoritma Naive Bayes

research
  • 14 Oct
  • 2024

Analisis Sentimen Ulasan Aplikasi Gojek pada Play Store Menggunakan Algoritma Naive Bayes

Pada era digital saat ini, aplikasi pemesanan transportasi dan layanan berbasis daring telah menjadi bagian integral dari kehidupan sehari-hari. Ulasan pengguna diplatform seperti play store tidak hanya mencerminkan kepuasan pengguna tetapi juga dapat menjadi sumber berharga untuk meningkatkan kualitas layanan. Penelitian ini bertujuan mengklasifikasikan ulasan pengguna aplikasi Gojek ke dalam sentimen positif dan negatif menggunakan algoritma Naive Bayes dan mengevaluasi  seberapa  efektif algoritma Naive Bayes  dalam mengklasifikasikan  sentimen  ulasan  pengguna  aplikasi  Gojek. Dataset diambil Play Store  yang diunduh dari kaggel.com. Beberapa tahapan yang dilakukan dalam analisis sentimen penelitian ini diantaranya yaitu pengumpulan data, pre-processing, pelabelan sentimen, dan pengklasifikasian data dengan metode Naïve Bayes. Metode Naïve Bayes yaitu metode klasifikasi yang sederhana namun menghasilkan tingkat akurasi yang tinggi. Hasil penelitian dari data yang dikumpulkan pada 1-31 Januari 2024 dengan total sebanyak 1.047 ulasan. Dengan hasil klasifikasi menggunakan metode naive bayes didapatkan hasil accuracy sebesar 91,40%. Pada proses evaluasi sentimen positif didapatkan nilai precision mencapai 92,04% dengan recall sebesar 91,36%, sementara untuk sentimen negatif mendapatkan nilai precision 90,73 % dengan recall sebesar 91,45% sementara hasil dari nilai AUC nya  99.3% yang menunjukkan  bahwa  model  peneliti  memiliki  performa  yang  sangat  baik.

Unduhan

 

REFERENSI

Hasri, C. F., & Alita, D. (2022). Penerapan Metode NaãVe Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 3(2), 145–160. https://doi.org/10.33365/jatika.v3i2.2026

Indarwati, K. D., & Februariyanti, H. (2023). Analisis Sentimen Terhadap Kualitas Pelayanan Aplikasi Gojek Menggunakan Metode Naive Bayes Classifier. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 10(1). https://doi.org/10.35957/jatisi.v10i1.2643

Muflih, H. Z., Abdillah, A. R., & Hasan, F. N. (2023). Analisis Sentimen Ulasan Pengguna Aplikasi Ajaib Menggunakan Metode Naïve Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 4(3), 1613–1621. https://doi.org/10.30865/klik.v4i3.1303

Natasuwarna, A. P. (2019). Seminar Pendekatan Data Mining Memprediksi Profil Sosial Masyarakat Menggunakan Aplikasi RapidMiner. Seminar Nasional Pengabdian Masyarakat, 38, 38–44.

Putra, M. P. R., & Wardani, K. R. N. (2020). Penerapan Text Mining Dalam Menganalisis Kepribadian Pengguna Media Sosial. JUTIM (Jurnal Teknik Informatika Musirawas), 5(1), 63–71. https://doi.org/10.32767/jutim.v5i1.791

Sari, T. A., Sinduningrum, E., & Noor Hasan, F. (2023). KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Ulasan Pelanggan Pada Aplikasi Fore Coffee Menggunakan Metode Naïve Bayes. Media Online), 3(6), 773–779. https://doi.org/10.30865/klik.v3i6.884

Savitri, N. L. P. C., Rahman, R. A., Venyutzky, R., & Rakhmawati, N. A. (2021).

Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning. Jurnal Teknik Informatika Dan Sistem Informasi, 7(1). https://doi.org/10.28932/jutisi.v7i1.3216

Setya Ananto, F., & Hasan, F. N. (2023). Implementasi Algoritma Naïve Bayes Terhadap Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store. Jurnal ICT : Information Communication & Technology, 23(1), 75–80. https://ejournal.ikmi.ac.id/index.php/jict-ikmi

Tegar Adit Tiawan, Nikira Nikira, Juliana Juliana, Sri Indah Ayu Pertama Sari, & Nurbaiti Nurbaiti. (2023). Implementasi Data Warehouse Terhadap Manajemen Aplikasi Gojek Pada Menu Gopay Later. Jurnal Publikasi Teknik Informatika, 2(2), 59–65. https://doi.org/10.55606/jupti.v2i2.1734

Yuniar, P., & Kismiantini. (2023). Analisis Sentimen Ulasan pada Gojek Menggunakan Metode Naive Bayes. Statistika, 23(2), 164–175. https://doi.org/10.29313/statistika.v23i2.2353