PERBANDINGAN ALGORITMA DECISION TREE DAN RANDOM FOREST TERHADAP ANALISIS SENTIMEN ULASAN RATING APLIKASI JOBSTREET DI GOOGLE PLAYSTORE

research
  • 06 Oct
  • 2025

PERBANDINGAN ALGORITMA DECISION TREE DAN RANDOM FOREST TERHADAP ANALISIS SENTIMEN ULASAN RATING APLIKASI JOBSTREET DI GOOGLE PLAYSTORE

Penelitian ini bertujuan menganalisis sentimen pengguna terhadap aplikasi Jobstreet di Google Play Store menggunakan algoritma Decision Tree dan Random Forest. Data penelitian mencakup 400 ulasan yang dikumpulkan antara 17 September 2018 hingga 8 Agustus 2025, terdiri dari 259 ulasan negatif dan 141 ulasan positif. Proses klasifikasi dilakukan untuk mengetahui proporsi opini positif dan negatif sekaligus mengukur akurasi kedua algoritma menggunakan confusion matrix. Hasil menunjukkan bahwa kedua model memiliki kinerja lebih baik dalam mengklasifikasikan sentimen negatif dibanding positif. Decision Tree mencapai akurasi 64,89% pada data pelatihan dan 60% pada data pengujian, sedangkan Random Forest memperoleh 64,58% dan 63,75%. Nilai AUC Random Forest lebih tinggi pada kedua tahap, namun keduanya lemah dalam mendeteksi ulasan positif, bahkan Random Forest mencatat nilai nol pada beberapa metrik positif. Temuan ini menegaskan perlunya pengembangan metode klasifikasi yang mampu menyeimbangkan performa dalam mendeteksi dua jenis sentimen. Hasil analisis ini diharapkan menjadi masukan bagi pengembang Jobstreet dan pihak terkait untuk memperbaiki kualitas layanan dan pengalaman pengguna berdasarkan evaluasi opini publik.

Unduhan

 

REFERENSI

Alih Aji Nugroho, Edy Sutrisno, & Rima Ranintya Yusuf. (2020). OPTIMALISASI LAYANAN KESEHATANMELALUI INOVASI PELAYANAN PUBLIK PROYEK PERUBAHAN PELATIHAN KEPEMIMPINAN. Jurnal Pengabdian Kepada Masyarakat, 1, 1–13.

Annida Purnamawati, Wawan Nugroho, Destiana Putri, & Wahyutama Fitri Hidayat. (2020). Deteksi Penyakit Daun pada Tanaman Padi Menggunakan Algoritma  Decision Tree, Random Forest, Naïve Bayes, SVM dan KNN . InfoTekJar : Jurnal Nasional Informatika Dan  Teknologi Jaringan, 5, 213–215.

Arina Selawati, Yan Rianto, Rachmawati Darma Astuti, Ainun Zumarniansyah, & Deny Novianti. (2025). Analisis Sentimen Berita Online Terhadap Transportasi Onlinedi Indonesia dengan Metode Naïve Bayes Classifier,Support Vector Machine dan K-Nearest Neighbor. BULLETIN OF COMPUTER SCIENCE RESEARCH, 5, 1–10.

Arjon Sitio, Anita Sindar, Murni Marbun, Dinda Tiara, & Aswin. (2022). Pengenalan Data Scientist Pada Peserta PKBM AL HABIB Melalui Belajar Dasar Coding Python. JURNAL PENGABDIAN PADA MASYARAKAT, 7, 1–7. https://jurnal.unmabanten.ac.id/index.php/jppm/article/view/44/14

Ayu Sagita, Ahmad Faqih, Gifthera Dwilestari, Bambang Siswoyo, & Denni Pratama. (2023). PENERAPAN METODE RANDOM FOREST DALAM MENGANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT DI GOOGLE PLAY STORE. JATI (Jurnal Mahasiswa Teknik Informatika), 7, 3307–3313.

Dellavianti Nishfi Ilmiah Huda, Cahyo Prianto, & Rolly Maulana Awangga. (2023). Analisis Sentimen Perbandingan Layanan Jasa Pengiriman Kurir Pada Ulasan Play Store Menggunakan Metode Random Forest dan Descision Tree. Jurnal Ilmiah Informatika (JIF), 11. https://ejournal.upbatam.ac.id/index.php/jif/article/view/7952/3318

Fadil Danu Rahman, Mulki Indana Zulfa, & Acep Taryana. (2024). CLUSTERING DAN KLASIFIKASI DATA CUACAKOTACILACAP MENGGUNAKANK-MEANS DAN RANDOM FOREST. Jurnal Sistem Informasi Dan Teknologi Komputasi, 1, 90–97. https://jurnalsinta.id/index.php/sinta/article/view/15/12

Fatimah Malini Lubis, Donny Dharmawan, Rizkia Shaulita, Mashudi Hariyanto, & Wasiran. (2025). MANAJEMEN PROFIL PEKERJA DI WEBSITEJOBSTREET SEBAGAI KESEMPATAN KARIER DI KALANGAN GEN Z. Jurnal Pengabdian KepadaMasyarakat , 4, 18. https://bajangjournal.com/index.php/J-ABDI/article/view/9735/7661

Firdaus Amruzain Satiranandi Wibowo, Heri Retnawati, Muhammad Lintang Damar Sakti, Asma Khoirunnisa, AngellaAnanta Batubara, Miftah Okta Berlian, Zulfa Safina Ibrahim, Jailani, Sumaryanto, & Lantip Diat Prasojo. (2025). IMPACT OF FEATURE SELECTION ON DECISION TREE AND RANDOM FOREST FOR CLASSIFYING STUDENT STUDY SUCCESS. Barekeng Jurnal Ilmu

 

Matematika Dan Terapan, 19, 2083. https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/17017/10827

Ghanim Kanugrahan, Vito Hafizh Cahaya Putra, & Yudi Ramdhani. (2024). Analisis Sentimen Aplikasi Gojek Menggunakan SVM, Random Forest dan Decision Tree. Jurnal Infortech, 6, 1–8.

Hasan Basri, Mochamad Bagoes SatriaJunianto, & Irpan Kusyadi. (2024). Enhancing Usability Testing Through Sentiment Analysis: A Comparative Study Using SVM, Naive Bayes, Decision Trees and Random Forest. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7, 1603–1610. https://openjournal.unpam.ac.id/index.php/JTSI/article/view/45117/21666

Henri Tantyoko, Dian Kartika Sari, & Andreas Rony Wijaya. (2023). PREDIKSI POTENSIAL GEMPA BUMI INDONESIA MENGGUNAKAN  METODE RANDOM FOREST DAN FEATURE SELECTION  . Idealis: Indonesia Journal Information System, 6, 1–7.

Ikhsan Romli, & Ahmad Turmudi Zy. (2020). Penentuan Jadwal Overtime Dengan Klasifikasi  Data Karyawan Menggunakan Algoritma C4.5 . 4, 1–9.

Joshua Hasian Lumban raja, & Kartika Gianina Tileng. (2022). Analisis Kualitas Website Jobstreet Menggunakan Metode Webqual 4.0 dan Importance-Performance Analysis (IPA). Jurnal Informatika Dan Sistem Informasi, 8(1), 38–45. https://journal.uc.ac.id/index.php/JUISI/article/view/2623/1879

M Pramadani Riyanis Putra, & Kiki Rizky Nova Wardani. (2020). PENERAPAN TEXT MINING DALAM MENGANALISIS KEPRIBADIAN PENGGUNA MEDIA SOSIAL. JUTIM (Jurnal Teknik Informatika Musirawas), 05, 63–71.

Maharani, & Fathoni. (2024). Analisis Sentimen Pengguna Terhadap Faktor Penggunaan PayPal Menggunakan Metode Decision Tree. Jurnal Ilmiah Teknologi Informasi Asia, 18, 71–83. https://jurnal.asia.ac.id/index.php/jitika/article/view/1002/429

Miftah Raka Sujono, Agus Bahtiar, & Bambang Irawan. (2023). ANALISIS MODEL MACHINE LEARNING UNTUK JENIS ASPAL DI JAWA BARAT MENGGUNAKAN ALGORITMADECISION TREE DAN RANDOM FOREST. JATI(Jurnal Mahasiswa Teknik Informatika), 7, 1–6. https://ejournal.itn.ac.id/index.php/jati/article/view/8275/4915

Muhammad Fadhil Rizki, Wahyu Pramusinto, Mardi Hardjianto, & Subandi. (2023). IMPLEMENTASI ALGORITMA K-NEAREST NEIGBORSUNTUK ANALISIS SENTIMEN APLIKASI JOBSTREET. Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2, 1–10.

Muhammad Rafi Nahjan, Nono Heryana, & Apriade Voutama. (2023). MPLEMENTASI RAPIDMINERDENGANMETODE CLUSTERING K-MEANS UNTUK ANALISA PENJUALAN PADA TOKO OJ CELL. JATI(Jurnal MahasiswaTeknik Informatika), 7, 101–104. https://mail.ejournal.itn.ac.id/jati/article/view/6094/3596

Putri, M. I., & Kharisudin, I. (2022). Penerapan Synthetic Minority Oversampling Technique (SMOTE) Terhadap Analisis Sentimen Data Review Pengguna Aplikasi Marketplace Tokopedia. PRISMA, Prosiding Seminar Nasional Matematika, 5, 759–766.

Siti Rokhanah, Arief Hermawan, & Donny Avianto. (2023). Pengaruh Principal Component Analysis Pada Naïve Bayes dan K- Nearest Neighbor Untuk Prediksi Dini Diabetes Melitus Menggunakan Rapid miner. Jurnal Sains Dan Manajemen, 11, 1–12. https://ejournal.bsi.ac.id/ejurnal/index.php/evolusi/article/view/14728/5862

Stefanny, V., & Tiara, B. (2021). Overview Perbandingan Jumlah User Fintech (Peer-To-Peer Lending) Dengan Jumlah Pengguna Internet Di Indonesia Pada Masa Pandemi Covid-19. Insan Pembangunan Sistem Informasi Dan Komputer (IPSIKOM), 9(1).

Viva Budy Kusnandar. (2021, October 14). Pengguna Internet Indonesia Peringkat ke-3 Terbanyak di Asia.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru