Analisis Sentimen Ulasan Aplikasi Capcut pada Play Store Berbasis Metode Random Forest

Analisis Sentimen Ulasan Aplikasi Capcut pada Play Store Berbasis Metode Random Forest

• By Hawa Sylviana;
• S1- Sistem Infomasi
• 4
• 1-70

Perkembangan teknologi digital telah mengubah berbagai aktivitas, salah satunya dengan munculnya aplikasi CapCut, sebuah aplikasi pengeditan video yang populer. Namun, banyak pengguna melaporkan bahwa aplikasi sering mengalami lag, crash, lambat saat mengedit video dengan durasi panjang, dan iklan yang menghambat. Penelitian ini bertujuan untuk memahami sentimen umum pengguna, mengimplementasikan Random Forest Classifier dalam analisis sentimen ulasan pengguna, serta mengevaluasi kinerja model menggunakan metrik akurasi, presisi, dan recall. Penelitian ini menggunakan metode Random Forest Classifier karena
kemampuannya dalam menghasilkan akurasi tinggi dan sensitivitas terhadap gangguan. Dataset terdiri dari 1000 data pelatihan dan 500 data pengujian. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi sebesar 86,38% pada data pelatihan dan 88,24% pada data pengujian. Sentimen pengguna CapCut beragam dengan 412 ulasan positif, 410 ulasan negatif, dan 178 ulasan netral pada data pelatihan, serta 248 ulasan positif, 224 ulasan negatif, dan 28 ulasan netral pada data pengujian. Temuan ini memberikan wawasan berharga bagi pengembang CapCut untuk meningkatkan aplikasi berdasarkan umpan balik pengguna. Penelitian ini membuktikan bahwa Random Forest Classifier efektif untuk analisis sentimen dengan akurasi tinggi, sehingga dapat diandalkan untuk mengklasifikasikan sentimen pengguna secara tepat.

• Katakunci Analisis Sentimen, Ulasan Pengguna, Random Forest Classifier
• URL http://
• Penerbit ,

REFERENSI

Afdhal, I., Kurniawan, R., Iskandar, I., Salambue, R., Budianita, E., Syafria, F., Islam Negeri Sultan Syarif Kasim Riau Jl Soebrantas KM, U. H., Karya, T., Tampan, K., & Pekanbaru, K. (2022). Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia. Jurnal Nasional Komputasi dan Teknologi Informasi, 5(1).

Ahmed Khan, T., Sadiq, R., Shahid, Z., Alam, M. M., & Mohd Su’ud, M. (2024). Sentiment Analysis using Support Vector Machine and Random Forest. Journal of Informatics and Web Engineering, 3(1), 67–75. https://doi.org/10.33093/jiwe.2024.3.1.5

Alita, D., & Rahman, A. (2020). Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier. Dalam Jurnal Komputasi (Vol. 8, Nomor 2).

Anindya, V. F., & Wijaya, A. (2023). Analisis Sentimen Ulasan Aplikasi Capcut Menggunakan Metode Naive Bayes. JIFSI: Jurnal Informatika dan Sistem Informasi, 3(1), 24–33. https://jifsi.unisti.ac.id/index.php/JIFSI 

Anjas Ramadhan, D., & Budi Setiawan SSi, E. (2019). ANALISIS SENTIMEN PROGRAM ACARA DI SCTV PADA TWITTER MENGGUNAKAN METODE NAIVE BAYES DAN SUPPORT VECTOR MACHINE.

Ardiansyah, D., Saepudin, A., Aryanti, R., & Fitriani, E. (2023). ANALISIS SENTIMEN REVIEW PADA APLIKASI MEDIA SOSIAL TIKTOK MENGGUNAKAN ALGORITMA K-NN DAN SVM BERBASIS PSO. Jl. Kramat Raya, 7(2)

Asjad Adna Jihad, M., & Astuti, W. (2021). Analisis Sentimen Terhadap Ulasan Film Menggunakan Algoritma Random Forest.

Bitto, A. K., Bijoy, M. H. I., Arman, M. S., Mahmud, I., Das, A., & Majumder, J. (2023). Sentiment analysis from Bangladeshi food delivery startup based on user reviews using machine learning and deep learning. Bulletin of Electrical Engineering and Informatics, 12(4), 2282–2291. https://doi.org/10.11591/eei.v12i4.4135 

Chyntia Morama, H., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen berbasis Aspek terhadap Ulasan Hotel Tentrem Yogyakarta menggunakan Algoritma Random Forest Classifier (Vol. 6, Nomor 4). http://j-ptiik.ub.ac.id 

Dr. Rukin, S. Pd. , M. Si. (2019). Metodologi Penelitian Kualitatif. Yayasan Ahmar Cendekia Indonesia.

Fadiyah Basar, T., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest (Vol. 6, Nomor 3). http://j-ptiik.ub.ac.id 

Fide, S., Suparti, & Sudarno. (2021). ANALISIS SENTIMEN ULASAN APLIKASI TIKTOK DI GOOGLE PLAY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN ASOSIASI. 10(3), 346–358.
https://ejournal3.undip.ac.id/index.php/gaussian/ 

Gde Agung Brahmana Suryanegara, Adiwijaya, & Mahendra Dwifebri Purbolaksono. (2021). Peningkatan Hasil Klasifikasi pada Algoritma Random Forest untuk Deteksi Pasien Penderita Diabetes Menggunakan Metode Normalisasi. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(1), 114–122. https://doi.org/10.29207/resti.v5i1.2880 

Hikmawan, S., Pardamean, A., Nur Khasanah, S., Mandiri, N., Damai No, J., Jati Barat, W., & Selatan, J. (2020). Halaman: 167-176 Terakreditasi Peringkat 5 (SINTA 5) sesuai SK RISTEKDIKTI Nomor (Vol. 20, Nomor 2). http://ejurnal.ubharajaya.ac.id/index.php/JKI 

Hutabarat, N. M. (2022). Penggunaan Aplikasi Edit Video dalam Materi Seni Musik pada Pembelajaran Secara Daring Oleh : Novalin Melissa Hutabarat PENGGUNAAN APLIKASI EDIT VIDEO DALAM MATERI SENI MUSIK PADA PEMBELAJARAN SECARA DARING.

Indrayanto, C. G., Ratnawati, D. E., & Rahayudi, B. (2023). Analisis Sentimen Data Ulasan Pengguna Aplikasi MyPertamina di Indonesia pada Google Play Store menggunakan Metode Random Forest (Vol. 7, Nomor 3). http://j-ptiik.ub.ac.id 

Isnain, A. R., Supriyanto, J., & Kharisma, M. P. (2021). Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(2), 121.
https://doi.org/10.22146/ijccs.65176 

Khomsah, S. (2021). Sentiment Analysis On YouTube Comments Using Word2Vec and Random Forest Sentimen Analisis pada Opini YouTube Menggunakan Word2Vec dan Random Forest. Jurnal Informatika dan Teknologi Informasi, 18(1), 61–72. https://doi.org/10.31515/telematika.v18i1.4493 

Kusnawi, Rahardi, M., & Daarten Pandiangan, V. (2023). Sentiment Analysis of Neobank Digital Banking Using Support Vector Machine Algorithm in Indonesia. https://play.google.com/store/apps/details?id=com.bnc.finan 

Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest (Vol. 6, Nomor 9). http://jptiik.ub.ac.id 

Malik, R. A. A., & Sibaroni, Y. (2022). Multi-aspect Sentiment Analysis of Tiktok Application Usage Using FasText Feature Expansion and CNN Method. Journal of Computer System and Informatics (JoSYC), 3(4), 277–285. https://doi.org/10.47065/josyc.v3i4.2033 

Marlina, D., & Bakri, M. (2021). PENERAPAN DATA MINING UNTUK
MEMPREDIKSI TRANSAKSI NASABAH DENGAN ALGORITMA C4.5.
Jurnal Teknologi dan Sistem Informasi (JTSI), 2(1). 

Merinda Lestandy, Abdurrahim Abdurrahim, & Lailis Syafa’ah. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(4), 802–808. https://doi.org/10.29207/resti.v5i4.3308 

Muhammad, N. (2023). CapCut, Aplikasi Paling Banyak Diunduh di Indonesia pada 2022. Datadoks Katadata. https://databoks.katadata.co.id/datapublish/2024/02/27/tiktok-aplikasi-yangpaling-banyak-diunduh-di-indonesia-pada-2023 

P, A. P., & K, B. T. (2023). Price Optimization using Sentiment Analysis and Random Forest Regression Algorithm. Proceedings of the National Conference on Emerging Computer Applications (NCECA), 5(1). https://doi.org/10.5281/zenodo.7956797 

Patel, A., Oza, P., & Agrawal, S. (2023). Sentiment Analysis of Customer Feedback and Reviews for Airline Services using Language Representation Model. Procedia Computer Science, 218, 2459–2467.
https://doi.org/10.1016/j.procs.2023.01.221 

Pratama, P., Indarbensyah, E., & Rochmawati, N. (2021). Penerapan N-Gram menggunakan Algoritma Random Forest dan Naïve Bayes Classifier pada Analisis Sentimen Kebijakan PPKM 2021. Journal of Informatics and Computer Science, 02

Ramadhan, A., Susetyo, B., & Indahwati. (2019). PENERAPAN METODE KLASIFIKASI RANDOM FOREST DALAM MENGIDENTIFIKASI
FAKTOR PENTING PENILAIAN MUTU PENDIDIKAN. Jurnal Pendidikan
dan Kebudayaan, 4(2), 169–182. https://doi.org/10.24832/jpnk.v4i2.1327 

Sanjaya, J., Renata, E., Budiman, V. E., Anderson, F., & Ayub, M. (2020). Prediksi Kelalaian Pinjaman Bank Menggunakan Random Forest dan Adaptive Boosting. Jurnal Teknik Informatika dan Sistem Informasi, 6(1). https://doi.org/10.28932/jutisi.v6i1.2313 

Saputra, O., & Ismail, I. (2022). KLASIFIKASI PADA LITERASI MEMBACA BUKU OLEH MAHASISWA MENGGUNAKAN ALGORITMA RANDOM FOREST DI PERGURUAN TINGGI LAMPUNG. Dalam Ilmudata.org (Vol. 2, Nomor 11).

Shahmirul Hafizullah Imanuddin, Kusworo Adi, & Rahmat Gernowo. (2023). Sentiment Analysis on Satusehat Application Using Support Vector Machine Method. Journal of Electronics, Electromedical Engineering, and Medical Informatics, 5(3), 143–149. https://doi.org/10.35882/jeemi.v5i3.304 

Siringoringo, R., & Jamaluddin. (2019). Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online.

Soliha, A. N., Munandar, T. A., & Yasir, M. (2023). Sentiment Analysis of the Use of Digital Banking Service Applications in Google Play Store Reviews Using Naïve Bayes Method. International Journal of Information Technology and Computer Science Applications.

Stephenie, Warsito, B., & Prahutama, A. (2020a). Sentiment Analysis on Tokopedia Product Online Reviews Using Random Forest Method. E3S Web of Conferences, 202. https://doi.org/10.1051/e3sconf/202020216006 

Stephenie, Warsito, B., & Prahutama, A. (2020b). Sentiment Analysis on Tokopedia Product Online Reviews Using Random Forest Method. E3S Web of Conferences, 202. https://doi.org/10.1051/e3sconf/202020216006 

Subarkah, P., Astuti, T., Rakhmawati, D., Arsi, P., Anjani, R. M., & Fortuna, D. (2022). Data Warehouse dan Business Intelegence. Zahira Media Publisher.

Utami, D. S., Erfina, A., & Id, M. A. (2022). Analisis Sentimen Ulasan Terkait UNESCO Global Geopark Di Google Maps dengan Algoritma Naive Bayes. Dalam Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 6, Nomor 2).

Varghese, A., & Mathew, M. R. (2023). Sentiment Analysis Using Machine Learning Algorithm. Proceedings of the National Conference on Emerging Computer Applications (NCECA), 5(1). https://doi.org/10.5281/zenodo.7964742 

Yasir, M., & Suraji, R. (2023). PERBANDINGAN METODE KLASIFIKASI NAÏVE BAYES, DECISION TREE, RANDOM FOREST TERHADAP ANALISIS SENTIMEN KENAIKAN BIAYA HAJI 2023 PADA MEDIA SOSIAL YOUTUBE.

Yoga Pratama, A., Umaidah, Y., Voutama, A., Informatika, T., Ilmu Komputer, F., Singaperbangsa Karawang Ds Paseurjaya, U., Telukjambe Timur, K., Karawang, K., & Barat, J. (2021). Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja). Dalam Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Nomor
2).

Yohana Clara, A., & Dwifebri Purbolaksono, M. (2020). Aspect Based Sentiment Analysis on Beauty Product Review Using Random Forest. OPEN ACCESS J DATA SCI APPL, 3(2), 67–077. https://doi.org/10.34818/JDSA.2020.3.58 

Zai, C. (2022). IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN
DATA. Dalam Portaldata.org (Vol. 2, Nomor 3).