Analisis Sentimen Ulasan Pengguna Aplikasi Sinaga Mobile pada Google Play Store Menggunakan Algoritma Naive Bayes
DOI:
https://doi.org/10.52436/1.jpti.843Keywords:
Analisis Sentimen, Layanan Publik, Naïve Bayes, Pemrosesan Bahasa Alami, Ulasan PenggunaAbstract
Dalam era digital, aplikasi berbasis teknologi memiliki peran penting dalam meningkatkan efisiensi layanan publik. Aplikasi Sinaga Mobile dikembangkan untuk membantu administrasi kepegawaian bagi Pegawai Negeri Sipil (PNS), namun masih terdapat berbagai keluhan pengguna terkait kinerjanya. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi ini dengan menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui teknik scraping dari Google Play Store, dengan total 1003 ulasan. Setelah melalui tahapan preprocessing yang mencakup cleaning, normalisasi, tokenizing, filtering, dan stemming, data diklasifikasikan menggunakan model Naïve Bayes. Hasil penelitian menunjukkan bahwa dari 1003 ulasan, 235 sentimen positive (23,42%) dan 768 sentimen negatif (76,57%), dengan permasalahan utama terkait fitur presensi dan stabilitas sistem. Model yang digunakan menunjukkan hasil akurasi 83 %. Dengan hasil penelitian ini, pengembang aplikasi dapat memperoleh wawasan mengenai aspek yang perlu diperbaiki guna meningkatkan kepuasan pengguna. Selain itu, penelitian ini juga membuktikan efektivitas metode pembelajaran mesin dalam menganalisis opini pengguna secara sistematis.
Downloads
References
M. Irfani and S. Khomsah, “Analisis Sentimen Berbasis Aspek pada EDOM Pembelajaran Menggunakan Metode CNN dan Word2vec,” J. Sist. dan Teknol. Inf., vol. 12, no. 3, p. 413, Jul. 2024, doi: 10.26418/justin.v12i3.75610.
R. T. S. A. Putri, D. E. Ratnawati, and D. W. Brata, “Perbandingan Naïve Bayes dan K-Nearest Neighbor untuk Analisis Sentimen Aplikasi Gapura UB Berdasarkan Ulasan Pengguna pada Playstore,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 1, pp. 229–236, 2023, [Online]. Available: http://j-ptiik.ub.ac.id
H. T. Wijaya and K. Kustiyono, “Sentiment Analysis of Twitter Users Towards the Kartu Prakerja Program Using the Naive Bayes Method,” Int. J. Adv. Data Inf. Syst., vol. 5, no. 2, pp. 1–8, Oct. 2024, doi: 10.59395/ijadis.v5i2.1342.
A. Rafdi, H. Mawengkang, and S. Efendi, “Sentiment Analysis Using Naive Bayes Algorithm with Feature Selection Particle Swarm Optimization (PSO) and Genetic Algorithm,” Int. J. Adv. Data Inf. Syst., vol. 2, no. 2, 2021, doi: 10.25008/ijadis.v2i2.1224.
A. Rozaq, Y. Yunitasari, K. Sussolaikah, and E. R. N. Sari, “Sentiment Analysis of Kampus Mengajar 2 Toward the Implementation of Merdeka Belajar Kampus Merdeka Using Naïve Bayes and Euclidean Distence Methods,” Int. J. Adv. Data Inf. Syst., vol. 3, no. 1, pp. 30–37, 2022, doi: 10.25008/ijadis.v3i1.1233.
D. S. Bimaputra and E. Sutoyo, “Aspect-Based Sentiment Analysis of Hotels in Bali on Tripadvisor Using BERT Algorithm,” Int. J. Adv. Data Inf. Syst., vol. 4, no. 2, pp. 29–40, 2023, doi: 10.25008/ijadis.v4i2.1284.
E. Elinda, H. Yuliansyah, and M. I. A. Latiffi, “Sentiment Analysis of the Sheikh Zayed Grand Mosque’s Visitor Reviews on Google Maps Using the VADER Method,” Int. J. Adv. Data Inf. Syst., vol. 5, no. 1, pp. 71–84, 2024, doi: 10.59395/ijadis.v5i1.1320.
N. Hijriani and E. Ermatita, “Perbandingan Naive Bayes Classifier dan Support Vector Machine untuk Analisis Sentimen terhadap Penyebaran Nyamuk Wolbachia di Indonesia,” J. Pendidik. dan Teknol. Indones., vol. 4, no. 11, pp. 391–403, Dec. 2024, doi: 10.52436/1.jpti.499.
Y. Asri, W. N. Suliyanti, D. Kuswardani, and M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile,” PETIR, vol. 15, no. 2, pp. 264–275, Nov. 2022, doi: 10.33322/petir.v15i2.1733.
O. I. Gifari, M. Adha, F. Freddy, and F. F. S. Durrand, “Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine,” J. Inf. Technol., vol. 2, no. 1, pp. 36–40, 2022.
M. I. Hibban and A. Susila, “Analisis Sentimen terhadap Kenaikan Gaji Guru Honorer Menggunakan Algoritma Naïve Bayes,” J. Ilmu Komput. dan Pendidik., vol. 2, no. 2, pp. 376–379, Mar. 2024, doi: 10.52436/1.jpti.689.
S. A. Mahmudah and A. Yudhistira, “Analisis Sentimen Terhadap Cyberbullying pada Platform Media Sosial X Menggunakan Algoritma Naive Bayes,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 1, pp. 189–200, Jan. 2025, doi: 10.52436/1.jpti.628.
M. R. Hanafi and R. K. R, “Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1578–1586, Oct. 2024, doi: 10.57152/malcom.v4i4.1693.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, Jun. 2022, doi: 10.35957/jatisi.v9i2.1835.
S. J. Angelina, A. Bijaksana, P. Negara, and H. Muhardi, “Analisis Pengaruh Penerapan Stopword Removal Pada Performa Klasifikasi Sentimen Tweet Bahasa Indonesia,” JUARA (Jurnal Apl. dan Ris. Inform., vol. 02, no. 1, pp. 165–173, 2023, doi: https://doi.org/10.26418/juara.v2i1.69680.
B. Bandaharo and A. H. Hasugian, “Analisis Sentimen Publik Pada Aplikasi X Terhadap Kenaikan UKT Di Indonesia Menggunakan Algoritma Naive Bayes,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 2, pp. 381–392, Feb. 2025, doi: 10.52436/1.jpti.675.
