Publisher

UADUAD

Journal Jurnal Sarjana Teknik Informatika (E-Journal)Jurnal Sarjana Teknik Informatika (E-Journal) Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi Gojek secara otomatis menggunakan algoritma Decision Tree dengan optimasi hyperparameter GridSearchCV dan penyeimbangan data SMOTE. Ulasan pengguna dari Google Play Store mencerminkan persepsi terhadap layanan, sehingga diperlukan metode analisis yang efisien. Dataset terdiri dari 44.950 ulasan yang diperoleh dari Kaggle dan diproses melalui tahapan tokenisasi, stopword removal, stemming, dan representasi numerik menggunakan TF-IDF. Model Decision Tree awal menghasilkan akurasi 87,59%. Setelah penerapan GridSearchCV dan SMOTE, akurasi model pada data seimbang menjadi 83,5% dengan F1-score 0,84. Namun, performa terhadap kelas minoritas (netral) masih rendah. Sebagai pembanding, model Random Forest menunjukkan hasil lebih baik dengan akurasi 86,5% dan F1-score 0,86. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan Decision Tree efektif untuk klasifikasi sentimen mayoritas, tetapi kurang optimal pada kelas minoritas. Penggunaan model yang lebih kompleks seperti Random Forest disarankan untuk hasil klasifikasi yang lebih merata.

Conclusion

Penelitian ini berhasil menerapkan algoritma Decision Tree yang dioptimasi menggunakan GridSearchCV, serta pendekatan penyeimbangan data dengan SMOTE, untuk klasifikasi sentimen ulasan pengguna aplikasi Gojek.Hasil menunjukkan bahwa model Decision Tree mampu mengklasifikasikan sentimen positif dengan baik (F1-score 0,91), dan cukup stabil pada sentimen negatif.Namun, kinerja terhadap kelas netral masih sangat rendah (F1-score 0,13), meskipun data telah diseimbangkan, yang menunjukkan bahwa pendekatan ini belum cukup efektif untuk menangani kelas minoritas secara optimal.Sebagai pembanding, model Random Forest menunjukkan performa yang lebih baik secara keseluruhan (Akurasi 86,5% dan F1-score 0,86), meskipun masih menghadapi tantangan dalam klasifikasi sentimen netral.Hal ini menegaskan bahwa ketidakseimbangan kelas dan kompleksitas pola dalam data memerlukan strategi yang lebih komprehensif, baik dari sisi pemilihan model maupun teknik penyeimbangan data.Dengan demikian, dapat disimpulkan bahwa kombinasi TF-IDF dan Decision Tree dapat digunakan untuk memahami sentimen ulasan secara otomatis, khususnya untuk kelas mayoritas.Namun, untuk mendapatkan hasil yang lebih merata pada semua kelas, terutama kelas minoritas, diperlukan model yang lebih kompleks seperti Random Forest dan penerapan teknik balancing yang lebih lanjut.Penelitian ini memberikan kontribusi awal dalam eksplorasi klasifikasi sentimen aplikasi lokal di Indonesia serta membuka peluang untuk pengembangan sistem evaluasi layanan berbasis data secara lebih adil dan akurat.

Future Research

Untuk penelitian lanjutan, disarankan untuk mengeksplorasi teknik-teknik data augmentation atau model hybrid yang dapat meningkatkan performa model pada kelas minoritas. Selain itu, dapat dipertimbangkan untuk melakukan analisis lebih mendalam terhadap faktor-faktor yang mempengaruhi sentimen netral, seperti konteks ulasan atau karakteristik pengguna. Dengan demikian, penelitian ini dapat memberikan kontribusi lebih lanjut dalam memahami sentimen pengguna aplikasi Gojek secara lebih komprehensif dan akurat.

References

1. Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE | AITI.... doi.org/10.24246/aiti.v18i2.173-184Analisis Sentimen Pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE AITI doi 10 24246 aiti v18i2 173 184

Metadata

File size	646.34 KB
Pages	11
DMCA	Report