UHBUHB

Jurnal Kolaborasi Riset SarjanaJurnal Kolaborasi Riset Sarjana

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi STRAVA berdasarkan ulasan yang diperoleh dari Google Play Store. Data yang digunakan berjumlah 6.082 ulasan setelah melalui tahap pembersihan dan pra-pemrosesan teks, termasuk case folding, stopword removal, tokenizing, dan stemming. Ulasan dengan rating 4–5 dikategorikan sebagai sentimen positif, sedangkan rating 1–2 dikategorikan sebagai sentimen negatif. Algoritma Naive Bayes digunakan sebagai model klasifikasi dengan representasi fitur berbasis Term Frequency–Inverse Document Frequency (TF-IDF). Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan akurasi sebesar 90,7%, presisi dan recall pada sentimen positif mencapai 94%, sementara pada sentimen negatif masing-masing sekitar 78%. Temuan ini mengindikasikan bahwa Naive Bayes dengan pembobotan TF-IDF efektif dalam menganalisis sentimen ulasan aplikasi STRAVA. Penelitian ini diharapkan dapat memberikan masukan bagi pengembang STRAVA dalam meningkatkan kualitas fitur, pengalaman pengguna, serta kepuasan secara keseluruhan.

Penelitian ini menunjukkan bahwa algoritma Naive Bayes dengan pembobotan TF-IDF mampu mengklasifikasikan ulasan pengguna aplikasi STRAVA di Google Play Store dengan tingkat akurasi yang tinggi, yaitu 90,7%.Model terbukti efektif dalam mengenali sentimen positif dengan presisi dan recall mencapai 94%, meskipun performa pada sentimen negatif masih lebih rendah akibat ketidakseimbangan data.Hasil ini menegaskan bahwa metode text mining berbasis Naive Bayes dapat digunakan secara efisien untuk memahami persepsi pengguna terhadap aplikasi kebugaran.Bagi pengembang STRAVA, hasil analisis ini dapat dimanfaatkan untuk mengidentifikasi aspek yang mendapat apresiasi maupun kritik, sehingga menjadi dasar dalam perbaikan fitur dan peningkatan kualitas layanan.

Berdasarkan hasil penelitian, beberapa saran penelitian lanjutan yang dapat dilakukan adalah: Pertama, melakukan analisis lebih mendalam terhadap ulasan negatif untuk mengidentifikasi masalah spesifik yang dikeluhkan pengguna. Kedua, mengeksplorasi metode lain selain Naive Bayes untuk meningkatkan akurasi klasifikasi sentimen, terutama pada ulasan negatif. Ketiga, menganalisis tren sentimen pengguna STRAVA secara jangka panjang untuk memahami perubahan persepsi pengguna terhadap aplikasi.

  1. Investigating the criticality of user‐reported issues through their relations with app rating... onlinelibrary.wiley.com/doi/10.1002/smr.2316Investigating the criticality of useryAAAareported issues through their relations with app rating onlinelibrary wiley doi 10 1002 smr 2316
  2. Developing a Healthy Lifestyle of Students Through the.... developing healthy lifestyle students personal... reference-global.com/article/10.2478/raft-2018-0025Developing a Healthy Lifestyle of Students Through the developing healthy lifestyle students personal reference global article 10 2478 raft 2018 0025
  3. Motivation of Gen Z to use The Strava Application as A Way to Maintain Fitness in Rembang Regency | Journal... journal.unnes.ac.id/journals/jpehs/article/view/29016Motivation of Gen Z to use The Strava Application as A Way to Maintain Fitness in Rembang Regency Journal journal unnes ac journals jpehs article view 29016
  4. Strava Metro Data: how can urban planning leverage crowdsourced fitness activity data? | Canadian Planning... ojs.library.queensu.ca/index.php/cpp/article/view/16889Strava Metro Data how can urban planning leverage crowdsourced fitness activity data Canadian Planning ojs library queensu ca index php cpp article view 16889
Read online
File size447.22 KB
Pages8
DMCAReport

Related /

ads-block-test