Publisher

UNSURYAUNSURYA

Journal JSI (Jurnal sistem Informasi) Universitas SuryadarmaJSI (Jurnal sistem Informasi) Universitas Suryadarma Abstract

Data Ulasan pada Google Play menggambarkan sentimen pengguna kepada aplikasi sesuai rating dan komentar yang diberikan. Dalam prakteknya sering kali terjadi ketidaksesuaian antara rating dan komentar yang diberikan sehingga terjadi bias sentimen, sehingga perlu dilakukan analisis terhadap ulasan tersebut untuk mengetahui sentimen yang terkandung di dalamnya. Dalam pengambilan data dari situs Google Play menggunakan teknik Web Scraping dengan package google-play-scraper dari Python. Ulasan yang berhasil di-scraping kemudian melalui tahap preprocessing agar data set lebih terstruktur. Tahap selanjutnya data set diberikan label berdasarkan rating, serta diberikan bobot menggunakan TF-IDF. Setelah dilakukan klasifikasi menggunakan metode Naïve Bayes dan Support Vector Machine, kemudian dilakukan evaluasi menggunakan Confusion Matrix, dan divalidasi menggunakan K-Fold Cross Validation. Hasil Penelitian menggunakan metode Naïve Bayes dan Support Vector Machine untuk analisis sentimen pada situs Google Play, pada metode Naïve Bayes menghasilkan accuracy 87,82%, precision 58,90%, recall 60,08%, sementara pada metode Support Vector Machine menghasilkan accuracy 90,01%, precision 61,89%, recall 60,18%.

Conclusion

Sentimen pengguna terhadap aplikasi mobile banking secara umum cenderung positif berdasarkan hasil pelabelan dari 63.Implementasi metode Naïve Bayes menghasilkan akurasi maksimal sebesar 87,82%, sedangkan Support Vector Machine mencapai akurasi 90,01%.Dengan demikian, metode Support Vector Machine menunjukkan kinerja yang lebih baik dibandingkan Naïve Bayes dalam klasifikasi sentimen ulasan aplikasi di Google Play.

Future Research

Pertama, penelitian selanjutnya dapat mengembangkan analisis sentimen yang lebih mendalam dengan pendekatan deteksi emosi (emotion detection) untuk mengidentifikasi jenis emosi spesifik seperti marah, senang, atau kecewa dalam ulasan pengguna, bukan hanya klasifikasi positif-netral-negatif. Kedua, dapat dikembangkan penelitian dengan pendekatan aspect-based sentiment analysis untuk mengeksplorasi aspek spesifik dari aplikasi seperti kecepatan, keamanan, atau kemudahan penggunaan yang menjadi pertimbangan pengguna dalam memberikan ulasan. Ketiga, mengingat ketidaksesuaian antara rating dan teks ulasan yang menjadi tantangan dalam penelitian ini, penelitian lanjutan dapat difokuskan pada pengembangan model hibrida yang mampu mendeteksi dan mengklasifikasikan ketidakkonsistenan antara rating bintang dengan isi komentar secara otomatis, sehingga dapat memberikan wawasan yang lebih akurat tentang sentimen sebenarnya dari pengguna.

References

1. SENTIMENT ANALYSIS AGAINST THE DANA E-WALLET ON GOOGLE PLAY REVIEWS USING THE K-NEAREST NEIGHBOR ALGORITHM... ejournal.nusamandiri.ac.id/index.php/pilar/article/view/2182SENTIMENT ANALYSIS AGAINST THE DANA E WALLET ON GOOGLE PLAY REVIEWS USING THE K NEAREST NEIGHBOR ALGORITHM ejournal nusamandiri ac index php pilar article view 2182

Metadata

File size	760.26 KB
Pages	14
DMCA	Report