Analisis Sentimen Review Aplikasi di Google Play Store Menggunakan Random Forest


Muhammad Faiq Rahmatullah(1*); Poetri Lestari Lokapitasari Belluano(2); Herdianti Darwis(3);

(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author

  

Abstract


Google Play Store adalah salah satu platform distribusi aplikasi terbesar yang memungkinkan pengguna memberikan ulasan terhadap aplikasi yang mereka pakai. Di era digital saat ini, ulasan pengguna menjadi sumber data penting untuk menilai performa dan kualitas aplikasi. Namun, banyaknya jumlah ulasan membuat analisis secara manual menjadi kurang efisien. Oleh karena itu, peracangan ini ini mengadopsi pendekatan machine learning untuk mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral. Proses analisis meliputi beberapa tahap, seperti pengumpulan data, praproses teks, ekstraksi fitur dengan TF-IDF, pelatihan model menggunakan Random Forest, serta evaluasi kinerja model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan berhasil mengklasifikasikan sentimen dengan akurasi sebesar 68.5%, dengan performa terbaik pada sentimen negatif. Selain itu, penerapan metode Random Forest juga membuka peluang untuk pengembangan sistem analitik otomatis yang dapat digunakan oleh pengembang aplikasi dalam meningkatkan kualitas layanan mereka. Dengan memahami kecenderungan opini pengguna secara cepat dan akurat, pengambilan keputusan dalam pengembangan fitur baru atau perbaikan bug dapat dilakukan secara lebih terarah. Implementasi metode ini juga berpotensi untuk diterapkan pada sektor lain seperti e-commerce, layanan publik, atau media sosial, di mana opini pengguna menjadi salah satu aspek penting dalam evaluasi layanan

Keywords


Analisis Sentimen; Google Play Store; Random Forest

  
  

Full Text:

PDF
  

Article Metrics

Abstract view: 11 times
PDF view: 3 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/linier.v2i3.3149 		  

Cite

How to cite item

References


N. P. Husain, S. Sukirman, and S. SAJIAH, “Analisis Sentimen Ulasan Pengguna Tiktok pada Google Play Store Berbasis TF-IDF dan Support Vector Machine,” J. Syst. Comput. Eng., vol. 5, no. 1, pp. 91–102, 2024, doi: 10.61628/jsce.v5i1.1105.

F. A. D. P. Febrianti, F. Hamami, and R. Y. Fa’rifah, “Aspect-Based Sentiment Analysis Terhadap Ulasan Aplikasi Flip Menggunakan Pembobotan Term Frequency-Inverse Document Frequency (Tf-Idf) Dengan Metode Klasifikasi K-Nearest Neighbors (K-Nn),” J. Indones. Manaj. Inform. dan Komun., vol. 4, no. 3, pp. 1858–1873, 2023, doi: 10.35870/jimik.v4i3.429.

D. E. Sondakh, S.Kom, M.T, Ph.D, S. W. Taju, M. G. Tene, and A. E. T. Pangaila, “Sistem Analisis Sentimen Ulasan Aplikasi Belanja Online Menggunakan Metode Ensemble learning,” CogITo Smart J., vol. 9, no. 2, pp. 280–291, 2023, doi: 10.31154/cogito.v9i2.525.280-291.

V. No, H. Sutrisno, N. Anisa, and S. Winarsih, “Klasifikasi Kategori Produk untuk Manajemen Keuangan Remaja menggunakan Algoritma Long Short-Term Memory,” Edumatic J. Pendidik. Inform., vol. 8, no. 2, pp. 685–693, 2024, doi: 10.29408/edumatic.v8i2.27959.

S. P. Azzahra, A. Azzahra, Y. A. Apriyanto, and A. Wijaya, “Analisis Ulasan Produk Amazon Menggunakan Random Forest Sentimen dan Probabilistic Retrieval Model,” J. Informatics busines, vol. 02, no. 04, pp. 519–528, 2025.

A. T. Hardianti, A. R. Manga, and H. Darwis, “Penerapan Metode Naïve Bayes pada Klasifikasi Judul Jurnal,” Pros. Semin. Nas. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 2, pp. 97–101, 2018.

N. Alfriyanto, B. C. Purnama, and F. K. Hasanah, “Analisis Emosi Terhadap Komentar Video Youtube ‘ Penyebab Kegagalan Adopsi Sistem Pendidikan Finlandia di Indonesia ’ Menggunakan Metode Random Forest,” Conf. Electr. Eng. Informatics, Ind. Technol. Creat. Media, pp. 812–827, 2024.

D. Hamidah, “Aplikasi Evaluasi Pembelajaran Mahasiswa Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa Berbasis Machine learning.” Fakultas Teknik Universitas Sultan Ageng Tirtayasa, 2025.

L. Dan and B. Menggunakan, “Analisis sentimen aplikasi shopee, tokopedia, lazada dan blibli menggunakan leksikon dan Random Forest,” JITET J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024.

I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria, “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 122–130, 2022, doi: 10.47065/bits.v6i2.5368.

R. R. S. Putri Kumala Sari, “Komparasi Algoritma Support Vector Machine Dan Random,” J. Mnemon., vol. 7, no. 1, pp. 31–39, 2024.

Amaliah Faradibah, Dewi Widyawati, A Ulfah Tenripada Syahar, and Sitti Rahmah Jabir, “Comparison Analysis of Random Forest Classifier, Support Vector Machine, and Artificial Neural Network Performance in Multiclass Brain Tumor Classification,” Indones. J. Data Sci., vol. 4, no. 2, pp. 54–63, Jul. 2023, doi: 10.56705/ijodas.v4i2.73.

N. Husin, “Komparasi Algoritma Random Forest, Naïve Bayes, dan Bert Untuk Multi-Class Classification Pada Artikel Cable News Network (CNN),” J. Esensi Infokom J. Esensi Sist. Inf. dan Sist. Komput., vol. 7, no. 1, pp. 75–84, 2023, doi: 10.55886/infokom.v7i1.608.

A. W. M. Gaffar, A. L. Isthi’Anah, P. Purnawansyah, A. M. Halis, S. Mujaddid, and A. U. T. Syahar, “Random Search Optimization of Hyperparameter in Random Forest Algorithm for Stunting Prediction,” in 2024 7th International Seminar on Research of Information Technology and Intelligent Systems (ISRITI), IEEE, 2024, pp. 971–976.

O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based Dan Random Forest,” J. Ilm. Inform., vol. 11, no. 02, pp. 159–169, 2023, doi: 10.33884/jif.v11i02.7987.

B. Prasojo and E. Haryatmi, “Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 2, pp. 79–89, 2021, doi: 10.25077/teknosi.v7i2.2021.79-89.

N. A’ayunnisa, Y. Salim, and H. Azis, “Analisis performa metode Gaussian Naïve Bayes untuk klasifikasi citra tulisan tangan karakter arab,” Indones. J. Data Sci., vol. 3, no. 3, pp. 115–121, 2022.

N. Made et al., “Analisis Sentimen Berbahasa Inggris Dengan Metode Lstm Studi Kasus Berita Online Pariwisata Bali English Sentiment Analysis Using The Lstm Method Case Study Of Bali Tourism Online News,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, pp. 1325–1334, 2024, doi: 10.25126/jtiik.2024118792.

E. Miana, A. Ernamia, and A. Herliana, “Analisis Sentimen Kuliah Daring Dengan Algoritma Naïve Bayes, K-Nn Dan Decision Tree,” J. Responsif, vol. 4, no. 1, pp. 70–80, 2022, doi: 10.35870/jtik.v6i1.368.

Y. Ansori and K. F. H. Holle, “Perbandingan Metode Machine learning dalam Analisis Sentimen Twitter,” J. Sist. dan Teknol. Inf., vol. 10, no. 4, p. 429, 2022, doi: 10.26418/justin.v10i4.51784


Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Muhammad Faiq Rahmatullah, Poetri Lestari Lokapitasari Belluano, Herdianti Darwis

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



Literatur Informatika dan Komputer

Diterbitkan oleh  Fakultas Ilmu Komputer
Website :  https://jurnal.fikom.umi.ac.id/index.php/LINIER/
Email : linier@umi.ac.id

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