Komparasi Metode Klasifikasi Dalam Analisis Sentimen Ulasan Pengguna Aplikasi KRL Access Di Google Play Store

Nisa Dwi Septiyanti1* Muhammad Irfan Luthfi2 Nova Tri Romadloni3
(1) Universitas Muhammadiyah Karanganyar
(2) Universitas Negeri Yogyakarta
(3) Universitas Muhammadiyah Karanganyar
(*) Corresponding Author

Abstract

Peningkatan penggunaan aplikasi transportasi umum, seperti KRL Access, menciptakan kebutuhan untuk memahami sentimen pengguna terhadap aplikasi tersebut. Analisis sentimen dapat menjadi alat efektif dalam memahami persepsi dan kepuasan pengguna. Penelitian ini mengisi kesenjangan dengan mengeksplorasi pengaruh berbagai algoritma klasifikasi dan langkah-langkah data preprocessing terhadap analisis sentimen ulasan pengguna KRL Access. Penelitian ini memberikan pandangan yang melibatkan pertanyaan-pertanyaan kritis tentang pengaruh algoritma klasifikasi (Naïve Bayes, Random Forest, Logistic Regression, Supervised Machine Learning [SVM], dan K-Nearest Neighbors [KNN]) terhadap hasil analisis sentimen. Selain itu, penting untuk memahami kontribusi langkah-langkah data preprocessing (case folding, data filtering, tokenization, stemming, dan removing stopwords) terhadap akurasi dan keandalan analisis sentimen. Hasil penelitian menunjukkan bahwa setiap algoritma memiliki kelebihan dan kelemahan masing-masing. Naïve Bayes menonjol dalam precision, sementara Random Forest memberikan keseimbangan yang baik antara precision dan recall. Langkah-langkah data preprocessing, terutama tokenization dan stemming, berkontribusi signifikan terhadap kualitas analisis sentimen. Visualisasi sentimen melalui wordcloud memberikan gambaran intuitif, menyoroti kepuasan pengguna atas akses informasi jadwal KRL Access, tetapi juga masalah dalam pendaftaran dan login. Kesimpulan penelitian menekankan pentingnya pemilihan algoritma dan data preprocessing yang sesuai untuk analisis sentimen yang akurat. Temuan ini dapat mendukung pengembangan aplikasi yang lebih responsif dan sesuai dengan kebutuhan pengguna, menciptakan pengalaman pengguna transportasi umum yang lebih baik. Dalam penelitian mendatang, disarankan untuk memperluas cakupan dataset dan eksplorasi lebih lanjut terhadap teknik data preprocessing dan penggunaan fitur tambahan

Keywords

Analisis Sentimen; KRL Access; Data Preprocessing; Klasifikasi; Wordcloud

Full Text:

PDF

References

A’la, F. Y. (2022). Indonesian Sentiment Analysis towards MyPertamina Application Reviews by Utilizing Machine Learning Algorithms. Journal of Informatics Information System Software Engineering and Applications (INISTA), 5(1). https://doi.org/10.20895/inista.v5i1.838

Apriliani, D., Abidin, T., Sutanta, E., Hamzah, A., & Somantri, O. (2021). Sentihotel: A sentiment analysis application of hotel services using an optimized neural network. Bulletin of Electrical Engineering and Informatics, 10(3). https://doi.org/10.11591/eei.v10i3.3040

Aritonang, P. A., Johan, M. E., & Prasetiawan, I. (2022). Aspect-Based Sentiment Analysis on Application Review using CNN (Case Study : Peduli Lindungi Application). Ultima Infosys : Jurnal Ilmu Sistem Informasi, 13(1).

Christanti Mawardi, V., & Darmaja, E. (2023). Logistic Regression Method for Sentiment Analysis Application on Google Play Store. International Journal of Application on Sciences, Technology and Engineering, 1(1). https://doi.org/10.24912/ijaste.v1.i1.241-247

Damarta, R., Hidayat, A., & Abdullah, A. S. (2021). The application of k-nearest neighbors classifier for sentiment analysis of PT PLN (Persero) twitter account service quality. Journal of Physics: Conference Series, 1722(1). https://doi.org/10.1088/1742-6596/1722/1/012002

Erfina, A., & Al-shufi, M. F. (2022). ANALISIS SENTIMEN APLIKASI JASA KURIR DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES. Jurnal Sistem Informasi Dan Informatika (Simika), 5(2). https://doi.org/10.47080/simika.v5i2.1789

Fauzi, A., Setyohadi, D. B., Suryanto, T. L. M., & Pangestu, K. K. (2022). The effects of system and information quality on acceptance of digital public service transportations. International Journal of Data and Network Science, 6(4). https://doi.org/10.5267/j.ijdns.2022.7.010

Ghaddar, B., & Naoum-Sawaya, J. (2018). High dimensional data classification and feature selection using support vector machines. European Journal of Operational Research, 265(3). https://doi.org/10.1016/j.ejor.2017.08.040

Iqbal, A., Amin, R., Iqbal, J., Alroobaea, R., Binmahfoudh, A., & Hussain, M. (2022). Sentiment Analysis of Consumer Reviews Using Deep Learning. Sustainability (Switzerland), 14(17). https://doi.org/10.3390/su141710844

Irvandi, Irawan, B., & Nurdiawan, O. (2023). NAIVE BAYES DAN WORDCLOUD UNTUK ANALISIS SENTIMEN WISATA HALAL PULAU LOMBOK. INFOTECH Journal, 9(1). https://doi.org/10.31949/infotech.v9i1.5322

Khoirul Insan, M. K., Hayati, U., & Nurdiawan, O. (2023). ANALISIS SENTIMEN APLIKASI BRIMO PADA ULASAN PENGGUNA DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1). https://doi.org/10.36040/jati.v7i1.6373

Lestari, F. S., Harliana, H., Huda, M. M., & Prabowo, T. (2022). Sentiment Analysis of iPusnas Application Reviews on Google Play Using Support Vector Machine. Proceedings of the International Seminar on Business, Education and Science, 1. https://doi.org/10.29407/int.v1i1.2656

Marginingsih, R., Susilowati, I. H., & Widiyanti, W. (2020). Analisis Tingkat Kepuasan Masyarakat Melalui Pelayanan Informasi Pada Aplikasi KRL Access. Jurnal Ecodemica: Jurnal Ekonomi, Manajemen, Dan Bisnis, 4(2). https://doi.org/10.31294/jeco.v4i2.8029

Mario Hasiholan, S., Hariyani, S., & Rini Dwi Ari, I. (2020). Faktor-Faktor Pemilihan Moda Antara Kendaraan Pribadi dan Kereta Commuter Line Rute Bekasi-Jakarta. Planning for Urban Region and Environment Journal (PURE), 9(2).

Matsuki, K., Kuperman, V., & Van Dyke, J. A. (2016). The Random Forests statistical technique: An examination of its value for the study of reading. Scientific Studies of Reading, 20(1). https://doi.org/10.1080/10888438.2015.1107073

Muhammad, A. athallah, Ermatita, & Prasvita, D. S. (2022). ANALISIS SENTIMEN PENGGUNA APLIKASI DANA BERDASARKAN ULASAN PADA GOOGLE PLAY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer Dan Aplikasinya, 3(2).

Rahmawati, R. A., & Wibowo, W. (2022). Sentiment analysis of SOCO by Sociolla e-commerce application review on Google play store site using naïvebayes classifier method. AIP Conference Proceedings, 2668. https://doi.org/10.1063/5.0115598

Ramadhan, R., Afdal, M., Permana, I., & Jazman, M. (2023). Analisis Sentimen pada Ulasan Aplikasi Maxim di Google Play Store dengan K-Nearest Neighbor. JURIKOM (Jurnal Riset Komputer), 10(3).

Rokhman, K. A., Berlilana, B., & Arsi, P. (2021). PERBANDINGAN METODE SUPPORT VECTOR MACHINE DAN DECISION TREE UNTUK ANALISIS SENTIMEN REVIEW KOMENTAR PADA APLIKASI TRANSPORTASI ONLINE. Journal of Information System Management (JOISM), 3(1). https://doi.org/10.24076/joism.2021v3i1.341

Saputra, T. I., & Arianty, R. (2019). IMPLEMENTASI ALGORITMA K-MEANS CLUSTERING PADA ANALISIS SENTIMEN KELUHAN PENGGUNA INDOSAT. Jurnal Ilmiah Informatika Komputer, 24(3). https://doi.org/10.35760/ik.2019.v24i3.2361

Styawati, S., Nurkholis, A., Aldino, A. A., Samsugi, S., Suryati, E., & Cahyono, R. P. (2022). Sentiment Analysis on Online Transportation Reviews Using Word2Vec Text Embedding Model Feature Extraction and Support Vector Machine (SVM) Algorithm. 2021 International Seminar on Machine Learning, Optimization, and Data Science, ISMODE 2021. https://doi.org/10.1109/ISMODE53584.2022.9742906

Winahyu, J., & Suharjo, I. (2021). Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes. Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI), 10(2). https://doi.org/10.23887/karmapati.v10i2.36609



DOI: https://doi.org/10.53514/jco.v4i1.495

Article Metrics

Abstract views: 263 times
PDF Downloaded: 185 times

DOI (PDF): https://doi.org/10.53514/jco.v4i1.495.g298

Refbacks

  • There are currently no refbacks.


___________________________________________________________________ 

Journal Computer Science and Informatic Systems:J-Cosys
ISSN 2776-9690 (online)
Managed by: Research and Community Service Institute
Published by: STMIK Dharma Wacana Metro
W: https://e-jurnal.dharmawacana.ac.id/index.php/JCO
  Email: lppmstmikdw@gmail.com

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Creative Commons License