Publisher

APTIKOMAPTIKOM

Journal Jurnal Ticom: Technology of Information and CommunicationJurnal Ticom: Technology of Information and Communication Abstract

Pada masa ini kemajuan teknologi digital telah mendorong munculnya berbagai aplikasi pencari kerja berbasis mobile, salah satunya adalah Atma. Aplikasi ini dirancang untuk memudahkan pengguna dalam mencari lowongan pekerjaan, khususnya di sektor food and beverage (F&B). Namun, beragamnya ulasan pengguna dan volume yang terus meningkat di Google Play Store membuat analisis manual menjadi lambat dan rawan subjektivitas, sehingga menyulitkan pengembang memahami kebutuhan pengguna secara akurat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Atma dengan menggunakan algoritma Naïve Bayes serta mengevaluasi performanya dalam mengklasifikasikan ulasan ke dalam kategori positif dan negatif. Pendekatan yang digunakan mengacu pada metode SEMMA (Sample, Explore, Modify, Model, teks, pembobotan Assess) dengan menggunakan TF-IDF, dan penyeimbangan data menggunakan teknik SMOTE. Data yang dianalisis berjumlah 2000 ulasan, dan dilakukan tiga skenario pengujian berdasarkan rasio pembagian data latih dan data uji. Hasil pengujian menunjukkan bahwa akurasi algoritma meningkat secara signifikan setelah penerapan SMOTE. Akurasi tertinggi yang dicapai adalah sebesar 85,56% dengan proporsi 90% data latih dan 10% data uji. Temuan ini menunjukkan bahwa kombinasi Naïve Bayes, TF-IDF, dan SMOTE cukup efektif dalam melakukan analisis sentimen terhadap ulasan pengguna aplikasi Atma. Penelitian ini diharapkan dapat memberikan masukan konstruktif bagi pengembang aplikasi dalam meningkatkan kualitas layanan sesuai kebutuhan pengguna.

Conclusion

Analisis sentimen ulasan aplikasi Atma berhasil menggunakan algoritma Naïve Bayes dengan pembobotan TF‑IDF, menghasilkan akurasi tertinggi 85,56% pada skenario 90.Penerapan teknik SMOTE secara signifikan menyeimbangkan distribusi kelas data, meningkatkan performa model dibandingkan sebelum penyeimbangan.Kombinasi Naïve Bayes, TF‑IDF, dan SMOTE terbukti efektif dalam mengklasifikasikan sentimen positif dan negatif pada ulasan pengguna aplikasi Atma.

Future Research

Penelitian selanjutnya dapat mengeksplorasi dampak peningkatan volume data dengan mengumpulkan ulasan dari berbagai platform selain Google Play Store, sehingga dapat menguji generalisasi model pada dataset yang lebih beragam dan representatif; selanjutnya, studi komparatif antara algoritma Naïve Bayes dan metode pembelajaran mesin lain seperti Logistic Regression, Random Forest, atau Support Vector Machine dapat dilakukan untuk mengidentifikasi algoritma yang memberikan akurasi tertinggi pada data sentimen aplikasi kerja, terutama dengan mempertimbangkan variasi fitur teks; terakhir, integrasi teknik ensemble learning, misalnya stacking atau boosting, bersama dengan SMOTE dan TF‑IDF, dapat diteliti untuk menilai apakah kombinasi strategi tersebut mampu lebih meningkatkan performa klasifikasi dibandingkan model tunggal, sekaligus mengevaluasi kompleksitas komputasi dan kepraktisan implementasinya dalam sistem rekomendasi kerja real‑time.

References

1. Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH |... doi.org/10.34010/jamika.v13i1.9424Pembobotan TF IDF Menggunakan Nayve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH doi 10 34010 jamika v13i1 9424
2. ANALISIS SENTIMEN ULASAN APLIKASI WATTPAD DI GOOGLE PLAY STORE DENGAN METODE RANDOM FOREST | AnoaTIK:... anoatik.uho.ac.id/index.php/atik/article/view/32ANALISIS SENTIMEN ULASAN APLIKASI WATTPAD DI GOOGLE PLAY STORE DENGAN METODE RANDOM FOREST AnoaTIK anoatik uho ac index php atik article view 32
3. ANALISIS SENTIMEN ULASAN APLIKASI LINKEDIN BERBASIS LEXICON DAN LONG SHORT-TERM MEMORY (LSTM) | JATI... ejournal.itn.ac.id/index.php/jati/article/view/13042ANALISIS SENTIMEN ULASAN APLIKASI LINKEDIN BERBASIS LEXICON DAN LONG SHORT TERM MEMORY LSTM JATI ejournal itn ac index php jati article view 13042
4. PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA... doi.org/10.55123/storage.v3i2.3602PERBANDINGAN METODE NAyaVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA doi 10 55123 storage v3i2 3602

Metadata

File size	541.7 KB
Pages	6
DMCA	Report