Analisis Sentimen Komentar Pengguna terhadap Aplikasi Prime Video di Google Playstore dengan Pendekatan Machine Learning


Alvino Hadiyan Pradipta(1*); Muhammad Rafli Feandika Nugroho(2); Maretta Fairuz Luthfia Winoto Putri(3); Shindi Shella May Wara(4); Aviolla Terza Damaliana(5);

(1) Universitas Pembangunan Nasional Veteran Jawa Timur
(2) Universitas Pembangunan Nasional Veteran Jawa Timur
(3) Universitas Pembangunan Nasional Veteran Jawa Timur
(4) Universitas Pembangunan Nasional Veteran Jawa Timur
(5) Universitas Pembangunan Nasional Veteran Jawa Timur
(*) Corresponding Author

  

Abstract


Analisis sentimen terhadap ulasan pengguna menjadi penting dalam memahami persepsi publik terhadap sebuah aplikasi digital. Analisis ini dilakukan untuk mengklasifikasikan 1000 komentar yang terdiri dari komentar positif dan negatif dari pengguna aplikasi Prime Video yang terdapat di Google Play Store. Tujuan penelitian ini adalah untuk membantu pengembang aplikasi memahami pendapat pengguna dalam jumlah besar secara otomatis, tanpa harus membaca komentar pengguna satu per satu. Tahapan awal dilakukan melalui proses pra pemrosesan teks, yang meliputi pembersihan data, normalisasi kata, case folding, stemming, dan filtering. Selain itu, visualisasi Word Cloud digunakan untuk mengidentifikasi kata-kata yang sering muncul dalam komentar pengguna. Analisis dilanjutkan dengan penerapan metode klasifikasi untuk menentukan sentimen komentar. Dalam penelitian ini, tiga metode pembelajaran mesin yaitu Neural Network (NN), Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC) digunakan dan dibandingkan untuk memperoleh hasil klasifikasi terbaik. Hasil menunjukkan bahwa metode SVM memberikan tingkat akurasi tertinggi yaitu sebesar 89,5%, disusul dengan metode NN sebesar 87% dan NBC sebesar 75% dalam mengklasifikasikan sentimen komentar pengguna. Penelitian ini menyimpulkan bahwa pendekatan berbasis machine learning efektif digunakan dalam mengidentifikasi dan mengelompokkan opini pengguna terhadap aplikasi digital secara otomatis.

Keywords


Analisis Sentimen; Klasifikasi; Neural Network; Support Vector Machine; Naive Bayes Classifier

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 2 times
PDF view: 1 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/busiti.v6i4.2856 		  

Cite

How to cite item

References


L. B. Ilmawan and M. A. Mude, “Perbandingan metode klasifikasi support vector machine dan naive Bayes untuk analisis sentimen pada ulasan tekstual di Google Play Store,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, pp. 2548–7779, 2020.

W. E. Saputro, H. Yuana, and W. D. Puspitasari, “Analisis sentimen pengguna dompet digital Dana pada kolom komentar Google Play Store dengan metode klasifikasi support vector machines,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 2, n.d.

R. Maulana, A. Voutama, and T. Ridwan, “Analisis sentimen ulasan aplikasi MyPertamina pada Google Play Store menggunakan algoritma NBC,” Jurnal Teknologi Terpadu, vol. 9, no. 1, pp. 42–48, 2023.

A. Y. Pratama, Y. Umaidah, and A. Voutama, “Analisis sentimen media sosial Twitter dengan algoritma k-nearest neighbor dan seleksi fitur chi-square (kasus Omnibus Law Cipta Kerja),” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 5, no. 2, pp. 897–910, 2021.

A. L. Fairuz, R. D. Ramadhani, and N. A. F. Tanjung, “Analisis sentimen masyarakat terhadap COVID-19 pada media sosial Twitter,” JURNAL DINDA, vol. 1, no. 1, pp. 2809–8064, 2021.

S. Azhari, N. Rahaningsih, R. D. Dana, and Mulyawan, “Peningkatan akurasi analisis sentimen pada aplikasi Loklok dengan metode naive Bayes,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 13, no. 1, pp. 2830–7062, 2025.

F. N. Yahya, M. Anshori, and A. N. Khudori, “Evaluasi performa XGBoost dengan oversampling dan hyperparameter tuning untuk prediksi Alzheimer,” Techno.COM, vol. 24, no. 1, pp. 1–12, 2025.

B. Hakim, “Analisa sentimen data text preprocessing pada data mining dengan menggunakan machine learning,” Journal of Business and Audit Information Systems, vol. 4, no. 2, pp. 16–22, 2021.

M. I. Alparizi, A. L. Hananto, F. Nurapriani, and B. Huda, “Analisis sentimen aplikasi layanan streaming pada Google Play Store menggunakan algoritma naive Bayes,” INNOVATIVE: Journal of Social Science Research, vol. 5, no. 3, pp. 2471–2486, 2025.

S. S. May Wara, A. F. Adziima, A. R. Pratama, and M. Nasrudin, “Predictive analysis of government application comment on Playstore with clustered support vector machine,” in IEEE Information Technology International Seminar (ITIS), Jan. 22, 2025.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)

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