Analisis Sentimen Ulasan Aplikasi Maxim di Google Play Store Menggunakan Algoritma Support Vector Machine

Muhammad Nouval; Fanza Maulana Habibi; Anisya Rahmi; Muhammad Dawam Amru Bittaqwa; Rizki Agustianto; Fuad Nur Hasan

doi:10.56211/sudo.v4i4.1330

Authors

Muhammad Nouval Universitas Bina Sarana Informatika, Jakarta
Fanza Maulana Habibi Universitas Bina Sarana Informatika, Jakarta
Anisya Rahmi Universitas Bina Sarana Informatika, Jakarta
Muhammad Dawam Amru Bittaqwa Universitas Bina Sarana Informatika, Jakarta
Rizki Agustianto Universitas Bina Sarana Informatika, Jakarta
Fuad Nur Hasan Universitas Bina Sarana Informatika, Jakarta

DOI:

https://doi.org/10.56211/sudo.v4i4.1330

Keywords:

Analisis Sentimen; Lexicon Based; Maxim ; Support Vector Machine; TF-IDF

Abstract

Maxim merupakan salah satu aplikasi transportasi online yang banyak digunakan di Indonesia, sehingga ulasan pengguna menjadi sumber penting untuk mengetahui kualitas layanan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan aplikasi Maxim di Google Play Store menggunakan metode lexicon based dan algoritma klasifikasi Support Vector Machine dan Naïve Bayes. Data sebanyak 400 ulasan diperoleh melalui teknik scraping, kemudian dilakukan tahap pre-processing yang meliputi cleaning, case folding, normalisasi kata, tokenizing, stopword removal, dan stemming. Pelabelan data ulasan dilakukan menggunakan lexicon based dengan tiga kelas sentimen, yaitu positif, netral, dan negatif, kemudian dilakukan validasi manual untuk meningkatkan akurasi label sentimen. Representasi fitur dilakukan menggunakan TF-IDF dengan parameter unigram dan min_df=2. Pengujian dilakukan dengan tiga skenario pembagian data, yaitu 80:20, 70:30, dan 60:40. Hasil penelitian menunjukan bahwa algoritma SVM memiliki performa yang lebih stabil dibandingkan Naïve Bayes berdasarkan nilai accuracy, precision, recall, F1-score, confusion matrix, dan cross validation.

Downloads

Download data is not yet available.

References

Anisa Nur Hasanah and Betha Nurina Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online Maxim Pada Google Play Dengan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, pp. 90–96, 2024, [Online]. Available: https://doi.org/10.23960/jitet.v12i1.3628 DOI: https://doi.org/10.23960/jitet.v12i1.3628

Ayuta Puspa Citra Zuama, Cut Mutia Dinda, and Djalu Pamungkas, “Telaah Regulasi Ojek Online di Indonesia dalam Perspektif Filsafat Fenomenologi Hukum,” Reformasi Huk., vol. 25, no. 1, pp. 21–40, 2021, doi: 10.46257/jrh.v25i1.182. DOI: https://doi.org/10.46257/jrh.v25i1.182

M. Fahry, R. Oktaria M, G. D, M. R. Borroek, and A. Feranika, “Analisis Kesuksesan Aplikasi Maxim di Kota Jambi Menggunakan Delone and Mclean,” J. Trends Econ. Account. Res., vol. 4, no. 2, pp. 538–547, 2023, doi: 10.47065/jtear.v4i2.1086. DOI: https://doi.org/10.47065/jtear.v4i2.1086

Hudan Wahyudin, “Analisis Sentimen terhadap Data Ulasan Aplikasi Mobile Banking di Play Store,” Bandung Conf. Ser. Stat., vol. 5, no. 2, pp. 171–180, 2025, doi: 10.29313/bcss.v5i2.20693. DOI: https://doi.org/10.29313/bcss.v5i2.20693

Raksaka Indra Alhaqq, I Made Kurniawan Putra, and Yova Ruldeviyani, “Analisis Sentimen terhadap Penggunaan Aplikasi MySAPK BKN di Google Play Store,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 11, no. 2, pp. 105–113, 2022, doi: 10.22146/jnteti.v11i2.3528. DOI: https://doi.org/10.22146/jnteti.v11i2.3528

T. M. Permata Aulia, N. Arifin, and R. Mayasari, “Perbandingan Kernel Support Vector Machine (Svm) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19,” SINTECH (Science Inf. Technol. J., vol. 4, no. 2, pp. 139–145, 2021, doi: 10.31598/sintechjournal.v4i2.762. DOI: https://doi.org/10.31598/sintechjournal.v4i2.762

M. Ariandi and D. Marsolina, “Analisis Kepuasan Driver Terhadap Aplikasi Maxim Menggunakan Metode End User Computing Satisfaction (EUCS),” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, p. 412, 2023, doi: 10.30865/jurikom.v10i2.5819. DOI: https://doi.org/10.30865/jurikom.v10i2.5819

J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 4, no. 1, pp. 74–80, 2023, doi: 10.33365/jatika.v4i1.2468. DOI: https://doi.org/10.33365/jatika.v4i1.2468

T. Tinaliah and T. Elizabeth, “Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 4, pp. 3436–3442, 2022, doi: 10.35957/jatisi.v9i4.3586. DOI: https://doi.org/10.35957/jatisi.v9i4.3586

O. I. Gifari, M. Adha, F. Freddy, and F. F. S. Durrand, “Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine,” J. Inf. Technol., vol. 2, no. 1, pp. 36–40, 2022. DOI: https://doi.org/10.46229/jifotech.v2i1.330

B. Ramadhani and R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” vol. 8, no. April, pp. 714–725, 2024, doi: 10.30865/mib.v8i2.7458. DOI: https://doi.org/10.30865/mib.v8i2.7458

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. DOI: https://doi.org/10.33884/jif.v11i02.7987

M. F. Nasrullah, R. Rohmat Saedudin, and F. Hamami, “JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal homepage: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi PERBANDINGAN AKURASI ALGORITMA C4.5 DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI CURAH HUJAN BERDASARKAN IKLIM INDONESIA,” vol. 9, no. 2, pp. 628–638, 2024, [Online]. Available: https://doi.org/10.29100/jipi.v9i2.4655 DOI: https://doi.org/10.29100/jipi.v9i2.4655

A. A. Munandar, F. Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 2, p. 77, 2023, doi: 10.31328/jointecs.v8i2.4747. DOI: https://doi.org/10.31328/jointecs.v8i2.4747

K. S. Putri, I. R. Setiawan, and A. Pambudi, “Analisis Sentimen Terhadap Brand Skincare Lokal Menggunakan Naïve Bayes Classifier,” Technol. J. Ilm., vol. 14, no. 3, p. 227, 2023, doi: 10.31602/tji.v14i3.11259. DOI: https://doi.org/10.31602/tji.v14i3.11259

Idris I, Mustofa Y, and Salihi I, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura J. Electr. Electron. Eng., vol. 5, pp. 32–35, 2023. DOI: https://doi.org/10.37905/jjeee.v5i1.16830

N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47–54, 2022, doi: 10.57152/malcom.v2i1.195. DOI: https://doi.org/10.57152/malcom.v2i1.195

R. A. Husen, R. Astuti, L. Marlia, R. Rahmaddeni, and L. Efrizoni, “Analisis Sentimen Opini Publik pada Twitter Terhadap Bank BSI Menggunakan Algoritma Machine Learning,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 211–218, 2023, doi: 10.57152/malcom.v3i2.901. DOI: https://doi.org/10.57152/malcom.v3i2.901

R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes Pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH TF-IDF Weighting Using Naïve Bayes on Public Sentiment on The Issue of Rising BIPIH,” vol. 13, no. April, pp. 84–93, 2023. DOI: https://doi.org/10.34010/jamika.v13i1.9424

R. Randy Suryono, “JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal homepage: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi ANALISIS SENTIMEN APLIKASI X PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (SVM),” vol. 9, no. 3, pp. 1408–1419, 2024, [Online]. Available: https://doi.org/10.29100/jipi.v9i3.5392 DOI: https://doi.org/10.29100/jipi.v9i3.5392