Analisis Sentimen Algoritma Naïve Bayes, Support Vector Machine, dan Random Forest Pada Ulasan Aplikasi Ajaib
DOI:
https://doi.org/10.25077/TEKNOSI.v11i1.2025.87-97Kata Kunci:
Ajaib, Investasi, Naive Bayes, SVM, Random ForestAbstrak
Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan pengguna aplikasi Ajaib di Google Play Store menggunakan tiga algoritma machine learning: Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Data ulasan sebanyak 2.000 dikumpulkan melalui web scraping menggunakan library google-play-scraper dan diproses melalui tahap normalisasi, case folding, pembersihan, tokenisasi, dan penghilangan stopwords. Data dibagi menjadi 80% data latih dan 20% data uji dengan label sentimen diatas 3 (positif), 3 (netral), dan dibawah 3 (negatif). Hasil menunjukkan Random Forest unggul secara keseluruhan dengan recall 95% dan F1-score 91%, sementara SVM mencatatkan akurasi tertinggi 91%, dan Naive Bayes kompetitif dengan presisi 91%. Berdasarkan evaluasi terhadap keempat metrik utama, Random Forest direkomendasikan untuk analisis sentimen ulasan aplikasi Ajaib karena kemampuannya yang konsisten dalam mengidentifikasi ulasan positif. Penelitian ini memberikan panduan efektif dalam memilih algoritma machine learning untuk analisis sentimen di platform aplikasi mobile.Referensi
Z. Zeny, “Peluang Investasi Emas Melalui Produk Cicil Emas Bank Syari’ah Indonesia Kantor Cabang Pembantu Situbondo,” J. Ilm. Ekon. Islam, vol. 9, no. 3, p. 4308, 2023, doi: 10.29040/jiei.v9i3.10153.
S. O. Nur Arifianti and A. N. Hidayati, “Pengaruh Sukuk, Reksadana Syariah, Saham Syariah, dan Tingkat Inflasi, terhadap Pertumbuhan Ekonomi Indonesia Periode 2014-2021,” Al-Kharaj J. Ekon. Keuang. Bisnis Syariah, vol. 5, no. 6, pp. 2901–2920, 2023, doi: 10.47467/alkharaj.v5i6.3711.
A. S. Ningsih, M. S. Prabowo, I. Irawaty, R. Fidiyani, and U. Kamal, “Upaya Peningkatan Pengetahuan Investasi Pada Platform Media Investasi Digital Bagi Santri Pondok Pesantren Asshodiqiyah Kota Semarang,” Abdi Wiralodra J. Pengabdi. Kpd. Masy., vol. 5, no. 2, pp. 220–232, 2023, doi: 10.31943/abdi.v5i2.107.
M. Wahidin, R. Gunawan, and A. A. Wiguna, “Analisis sentimen terhadap aplikasi di Google Play Store,” J. Interkom J. Publ. Ilm. Bid. Teknol. Inf. dan Komun., vol. 19, no. 3, pp. 1–27, 2024.
M. Nanda Fahriza and N. Riza, “Analisis Sentimen Pada Ulasan Aplikasi Chat Generative Pre-Trained Transformer Gpt Menggunakan Metode Klasifikasi K-Nearest Neighbor(Knn),” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 2, pp. 1351–1358, 2023, doi: 10.36040/jati.v7i2.6767.
J. Alga, C. Wulandari, and B. Intan, “Analisis Sentimen Aplikasi Youtube di Google Play Store Menggunakan Machine Learning,” RESOLUSI Rekayasa Tek. Inform. dan Inf., vol. 4, no. 4, pp. 408–416, 2024, [Online]. Available: https://jurnal.mdp.ac.id/index.php/jatisi/article/view/962/310
A. D. Adhi Putra, “Sentiment Analysis on User Reviews of the Bibit and Bareksa Application with the KNN Algorithm,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, pp. 636–646, 2021.
M. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
P. Aulia Kusnadi, T. Nur Padilah, and B. Nurina Sari, “Analisis Sentimen Penerapan Sistem Pembayaran Tol Multi Lane Free Flow Menggunakan Naïve Bayes Classifier,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 4, pp. 7398–7404, 2024, doi: 10.36040/jati.v8i4.10232.
A. Kaharudin, A. A. Supriyadi, and ..., “Analisis Sentimen pada Media Sosial dengan Teknik Kecerdasan Buatan Naïve Bayes: Kajian Literatur Review,” OKTAL J. Ilmu …, vol. 2, no. 6, pp. 1642–1649, 2023, [Online]. Available: https://journal.mediapublikasi.id/index.php/oktal/article/download/2944/1371
Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.
A. A. Munandar, F. Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 2, p. 77, 2023, doi: 10.31328/jointecs.v8i2.4747.
B. A. Maulana, M. J. Fahmi, A. M. Imran, and N. Hidayati, “Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 375–384, 2024, doi: 10.57152/malcom.v4i2.1206.
I. Saputra et al., “Analisis Sentimen Pengguna Marketplace Bukalapak dan Tokopedia di Twitter Menggunakan Machine Learning,” Fakt. Exacta, vol. 13, no. 4, p. 200, 2021, doi: 10.30998/faktorexacta.v13i4.7074.
Jasmarizal, Junadhi, Rahmaddeni, and M. Khairul Anam, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Terhadap Produk Skincare,” Indones. J. Comput. Sci., vol. 13, no. 1, pp. 1438–1450, 2024, doi: 10.33022/ijcs.v13i1.3654.
S. W. S. S. 3) Muhamad Anton Permana1), “Analisis Sentimen Penggunaan Aplikasi VideoConference Pada Ulasan Google Play StoreMenggunakan Metode Nbc (Naive Bayes Classifier),” J. Ris. Sist. Inf. Dan Teknol. Inf., vol. 5, no. 1, pp. 178–191, 2023, [Online]. Available: https://jursistekni.nusaputra.ac.id/article/view/178
A. R. Purnajaya, V. Lieputra, V. Tayanto, and J. G. Salim, “Implementasi Text Mining untuk Mengetahui Opini Masyarakat Tentang Climate Change,” J. Inf. Syst. Technol., vol. 3, no. 3, p. 36, 2022, doi: 10.37253/joint.v3i3.7337.
H. Syah and A. Witanti, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (Svm),” J. Sist. Inf. dan Inform., vol. 5, no. 1, pp. 59–67, 2022, doi: 10.47080/simika.v5i1.1411.
S. Chamira, “Implementasi Metode Text Mining Frequency-Invers Document Frequency (Tf-Idf) Untuk Monitoring Diskusi Online,” J. Informatics, Electr. Electron. Eng., vol. 1, no. 3, pp. 97–102, 2022, doi: 10.47065/jieee.v1i3.353.
Aditya Quantano Surbakti, Regiolina Hayami, and Januar Al Amien, “Analisa Tanggapan Terhadap Psbb Di Indonesia Dengan Algoritma Decision Tree Pada Twitter,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 2, no. 2, pp. 91–97, 2021, doi: 10.37859/coscitech.v2i2.2851.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021, doi: 10.34148/teknika.v10i1.311.
A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma Svm Dan Nbc,” Reputasi J. Rekayasa Perangkat Lunak, vol. 2, no. 2, pp. 85–91, 2021, doi: 10.31294/reputasi.v2i2.785.
R. Vincent, I. Maulana, and O. Komarudin, “Perbandingan Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Analisis Sentimen Dengan Multiclass Di Twitter,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 4, pp. 2496–2505, 2024, doi: 10.36040/jati.v7i4.7152.
R. Hayami, Soni, and I. Gunawan, “Klasifikasi Jamur Menggunakan Algoritma Naïve Bayes,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 1, pp. 28–33, 2022, doi: 10.37859/coscitech.v3i1.3685.
R. K. Septiani, S. Anggraeni, and S. D. Saraswati, “Count-Vectorizer bekerja dengan menghitung frekuensi kemunculan kata dalam dokumen dan merepresentasikannya dalam bentuk vektor,” J. Tek., vol. 16, no. 2, pp. 245–254, 2022.
F. Bei and S. Sudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (Svm),” Sismatik, vol. 01, no. 01, pp. 91–97, 2021.
E. Suryati, Styawati, and A. A. Aldino, “Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM),” J. Teknol. Dan Sist. Inf., vol. 4, no. 1, pp. 96–106, 2023, [Online]. Available: https://doi.org/10.33365/jtsi.v4i1.2445
S. Agustiani, Y. Tajul Arifin, A. Junaidi, S. Khotimatul Wildah, and A. Mustopa, “Klasifikasi Penyakit Daun Padi menggunakan Random Forest dan Color Histogram,” J. Komputasi, vol. 10, no. 1, 2022, doi: 10.23960/komputasi.v10i1.2961.
Suci Amaliah, M. Nusrang, and A. Aswi, “Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng,” VARIANSI J. Stat. Its Appl. Teach. Res., vol. 4, no. 3, pp. 121–127, 2022, doi: 10.35580/variansiunm31.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.
C. Wendy and A. Maulana, “Perbandingan Analisis Sentimen Ulasan Aplikasi Ajaib Kripto Menggunakan Metode Naïve Bayes dan K-Nearest Neighbor pengguna internet di Indonesia , menurut data dari Asosiasi Penyelenggara Jasa Internet Indonesia . Aplikasi ini dapat diunduh pada perangkat,” JUMINTAL J. Manaj. Inform. dan Bisnis Digit., vol. 3, no. 2, pp. 72–84, 2024, doi: 10.55123/jumintal.v3i2.3965.
F. E. Kavabilla, T. Widiharih, and B. Warsito, “Analisis Sentimen Pada Ulasan Aplikasi Investasi Online Ajaib Pada Google Play Menggunakan Metode Support Vector Machine Dan Maximum Entropy,” J. Gaussian, vol. 11, no. 4, pp. 542–553, 2023, doi: 10.14710/j.gauss.11.4.542-553.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 