Sentimen Analisis Pada Ulasan Aplikasi Indodana di Google Play Store Menggunakan Algoritma Logistic Regression, Naive Bayes dan Support Vector Machine

Penulis

  • Muhammad Sahrul Universitas Mercu Buana
  • Afiyati Universitas Mercu Buana

Kata Kunci:

Logistic Regression, Naïve Bayes, Support Machine Vector, Pinjaman Online, Sentimen Analisis

Abstrak

Penelitian ini bertujuan mengevaluasi sentimen pengguna berdasarkan ulasan aplikasi Indodana di Play Store, menggunakan algoritma Logistic Regression, Naive Bayes, dan Support Vector Machine (SVM). Tujuan utama studi ini adalah mengidentifikasi dan mengklasifikasikan ulasan sentimen positif atau negatif, serta mengevaluasi efektivitas sentimen analisis pada produk Paylater dan Pinjaman Online (Pinjol) untuk melihat potensi ketertarikan pengguna terhadap layanan yang ditawarkan. Selain itu, penelitian ini bertujuan untuk membandingkan keakuratan dan performa masing-masing algoritma, guna menentukan algoritma yang paling efektif dalam menganalisis sentimen. Setelah menerapkan algoritma Logistic Regression menghasilkan akurasi 92,01%, presisi 92,12%, recall 91,87%, dan f1-score 91,96%. Sementara itu, algoritma Naive Bayes, diperoleh hasil dengan hasil akurasi 80,91% , presisi 80,69%, recall 80,36% , dan f1-score 80,54%.Di sisi lain, algoritma SVM mencatatkan nilai akurasi 92,63%, presisi 92,17%, recall 91,98%, dan f1-score 92,06%. Pernyataan ini menunjukkan bahwa dalam penelitian ini, algoritma SVM memiliki performa yang lebih baik dibandingkan Logistic Regression, dan Naive Bayes. Diharapkan hasil penelitian ini dapat memberikan pemahaman yang lebih mendalam dan berguna untuk pengembangan aplikasi Indodana serta aplikasi-aplikasi serupa, dengan membantu perusahaan memahami umpan balik pengguna secara lebih mendetail. Dengan demikian, penelitian ini dapat berkontribusi pada perumusan strategi pemasaran yang lebih tepat sasaran serta peningkatan kualitas produk dan layanan yang lebih baik. Penelitian ini juga diharapkan dapat menjadi referensi untuk penelitian selanjutnya di bidang sentimen analisis pada Paylater dan Pinjaman Online, sehingga dapat memberikan nilai tambah bagi perusahaan-perusahaan yang bergerak di sektor keuangan digital.

Unduhan

Data unduhan belum tersedia.

Referensi

F. CUANDRA, “The Effect of Paylater Payment Method Used in Online Impulsive Buying in Batam City,” SEIKO J. Manag. Bus., vol. 5, no. 1, hal. 2022–625, 2022, [Daring]. Tersedia pada: https://doi.org/10.37531/sejaman.v5i1.1741

R. SARI, “Pengaruh Penggunaan Paylater Terhadap Perilaku Impulse Buying Pengguna E-Commerce di Indonesia,” J. Ris. Bisnis dan Investasi, vol. 7, no. 1, hal. 44–57, 2021, doi: 10.35313/jrbi.v7i1.2058.

A. HIDAYAT, N. AZIZAH, dan M. RIDWAN, “Pinjaman Online dan Keabsahannya Menurut Hukum Perjanjian Islam,” J. Indragiri Penelit. Multidisiplin, vol. 2, no. 1, hal. 1–9, 2022, doi: 10.58707/jipm.v2i1.115.

F. NOVIKA, N. SEPTIVANI, dan I. M. P INDRA, “Pinjaman Online Ilegal Menjadi Bencana Sosial Bagi Generasi Milenial,” Manag. Stud. Entrep. J., vol. 3, no. 3, hal. 1174–1192, 2022, doi: 10.37385/msej.v3i3.857.

A. Y. SIAHAAN dan FITRIANI, “Sanksi Pidana Terhadap Pelaku Perbuatan Penyalahgunaan KTP Orang Lain Untuk Pinjaman Online,” Nanggroe J. Pengabdi. Cendikia, vol. 84, no. 4, hal. 2986–7002, 2023, [Daring]. Tersedia pada: https://doi.org/10.5281/zenodo.8133281

D. I. AFIDAH, DAIROH, S. F. HANDAYANI, R. W. PRATIWI, dan S. N. SARI, “Sentimen Ulasan Destinasi Wisata Pulau Bali Menggunakan Bidirectional Long Short Term Memory,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 3, hal. 607–618, Jul 2022, doi: 10.30812/matrik.v21i3.1402.

H. RACHMI, SUPARNI, dan A. AL KAAFI, “Analisis Sentimen Sistem Ganjil Genap Kota Bogor,” J. ELTIKOM, vol. 5, no. 2, hal. 92–99, Sep 2021, doi: 10.31961/eltikom.v5i2.429.

K. A. H. WIBOWO, S. A. H. PUTRI, JUMANTO, dan M. A. MUSLIM, “Random State Initialized Logistic Regression for Improved Heart Attack Prediction,” J. ELTIKOM, vol. 7, no. 2, hal. 116–124, 2023, doi: 10.31961/eltikom.v7i2.822.

M. I. FIKRI, T. S. SABRILA, dan Y. AZHAR, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” SMATIKA J., vol. 10, no. 02, hal. 71–76, Des 2020, doi: 10.32664/smatika.v10i02.455.

M. M. ALI, T. HARIYATI, M. Y. PRATIWI, dan S. AFIFAH, “Metodologi Penelitian Kuantitatif dan Penerapannya dalam Penelitian,” Educ. Journal.2022, vol. 2, no. 2, hal. 1–6, 2022, [Daring]. Tersedia pada: https://ojs.stai-ibnurusyd.ac.id/index.php/jpib/article/view/86

F. A. LARASATI, D. E. RATNAWATI, dan B. T. HANGGARA, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, hal. 4305–4313, 2022, [Daring]. Tersedia pada: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11562

Z. FIRMANSYAH dan N. F. PUSPITASARI, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Berdasarkan Opini Pada Twitter Menggunakan Algoritma Naive Bayes,” J. Tek. Inform., vol. 14, no. 2, hal. 171–178, 2021, doi: https://doi.org/10.15408/jti.v14i2.24024.

J. MULIAWAN dan E. DAZKI, “SENTIMENT ANALYSIS OF INDONESIA’S CAPITAL CITY RELOCATION USING THREE ALGORITHMS: NAÏVE BAYES, KNN, AND RANDOM FOREST,” J. Tek. Inform., vol. 4, no. 5, hal. 1227–1236, Okt 2023, doi: 10.52436/1.jutif.2023.4.5.1436.

N. E. OKTAVIANA, Y. A. SARI, dan INDRIATI, “Analisis Sentimen terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features dan Support Vector Machine,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, hal. 357–362, Feb 2022, doi: 10.25126/jtiik.2022925625.

M. I. AMAL, E. S. RAHMASITA, E. SURYAPUTRA, dan N. A. RAKHMAWATI, “Analisis Klasifikasi Sentimen Terhadap Isu Kebocoran Data Kartu Identitas Ponsel di Twitter,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 3, hal. 645–660, 2022, doi: 10.28932/jutisi.v8i3.5483.

G. G. RANGGA, “Visualisasi Data Laporan Penjualan Toko Online Melalui Pendekatan Data Science Menggunakan Google Colab,” ULIL ALBAB J. Ilm. Multidisiplin, vol. 2, no. 6, hal. 2091–2100, Apr 2023, doi: 10.56799/jim.v2i6.1578.

A. HALIFA dan N. RICE, “Application of Naïve Bayes Classifier Algorithm in Determining the Level of Customer Satisfaction With Rumbai Post Office Services,” J. Tek. Inform., vol. 4, no. 6, hal. 1295–1304, 2023, doi: 10.52436/1.jutif.2023.4.6.1054.

I. S. TOMAGOLA, A. I. HIDIANA, dan P. N. SABRINA, “ANALISIS SENTIMEN TERHADAP PANGAN NASIONAL PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, hal. 3350–3356, Jan 2024, doi: 10.36040/jati.v7i5.7473.

D. IKASARI, Y. FAJARWATI, dan WIDIASTUTI, “ANALISIS SENTIMEN DAN KLASIFIKASI TWEETS BERBAHASA INDONESIA TERHADAP TRANSPORTASI UMUM MRT JAKARTA MENGGUNAKAN NAÏVE BAYES CLASSIFIER,” J. Ilm. Inform. Komput., vol. 25, no. 1, hal. 64–75, Apr 2020, doi: 10.35760/ik.2020.v25i1.2427.

N. F. PUTRI, M. F. HIDAYATTULLAH, dan D. I. AF’IDAH, “Sentimen Analisis Kota Tegal Berbasis Aspek Menggunakan Algoritma Naïve Bayes,” Infomatek, vol. 26, no. 1, hal. 45–54, 2024, doi: 10.23969/infomatek.v26i1.11209.

Unduhan

Diterbitkan

02-06-2025

Cara Mengutip

Sahrul, M., & Afiyati. (2025). Sentimen Analisis Pada Ulasan Aplikasi Indodana di Google Play Store Menggunakan Algoritma Logistic Regression, Naive Bayes dan Support Vector Machine. Jurnal Nasional Teknologi Komputer, 5(3), 136–147. Diambil dari https://publikasi.hawari.id/index.php/jnastek/article/view/194

Terbitan

Bagian

Artikel