Analisis Sentimen Ulasan Pengguna J&T Menggunakan Metode Support Vector Machine dan Decision Tree
Keywords:
Google Play Store, VADER, Decision Tree, Support Vector Machine, J&T, Sentimen AnalisisAbstract
Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi J&T dengan menggunakan metode Support Vector Machine Dan Decision Tree. Data yang digunakan diperoleh dari ulasan pengguna pada Google Play Store dari tahun 2018 hingga 2024. Sentimen dikategorikan menjadi positif, netral, dan negatif menggunakan VADER sebagai alat analisis awal. Setelah proses reduksi, kelas netral dihilangkan, menghasilkan dua kategori utama: positif dan negatif. Dari 5.000 sampel ulasan yang dianalisis, 35,78% termasuk dalam kategori positif dan 64,21% dalam kategori negatif. Untuk menilai performa model, akurasi Support Vector Machine mencapai 78,12%, sedangkan Decision Tree menunjukkan akurasi sebesar 81,35%. Hasil penelitian ini diharapkan dapat memberikan wawasan mengenai kepuasan pengguna terhadap layanan aplikasi J&T dan mengidentifikasi area untuk peningkatan layanan di masa depan.
References
Afandi, I. R., & dkk. (2022). Analisis Sentimen Opini Masyarakat Terkait Pelayanan Jasa Ekspedisi Anteraja Dengan Metode Support Vector Machine. Jurnal Linguistik Komputasional (JLK), 5(2), 63-69.
Alita, D., & Rahman, A. (2020). Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier. Jurnal Komputasi, 8(2), 50-58.
Cuatanto, R., & Sutomo, R. Comparative Analysis Between Naïve Bayes Algorithm and Decision Tree Loss Rate from Fire Disaster Data in DKI Jakarta Province. Indonesian Journal of Computer Science, 12(4), 1787-1796.
Ferryawan, R., Kusrini, & Wibowo, F. W. (2019). Analisis Sentimen Wisata Jawa Tengah Menggunakan Naïve Bayes. Jurnal INFORMA, 5(3), 55-60.
Giovani, A. P., Ardiansyah, Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal TEKNOINFO, 14(2), 116-124. doi:10.33365/jti.v14i2.679
Harahap, F., & dkk. (2021). Penerapan Data Mining Dengan Algoritma Naïve Bayes Classifier Dalam Memprediksi Pembelian Cat. Jurnal Ilmiah Informatika, 9(1).
Harun, A., & Ananda, D. P. (2021). Analisa Sentimen Opini Publik Tentang Vaksinasi Covid-19 di Indonesia Menggunakan Naïve Bayes dan Decision Tree. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 1(1), 58-63.
Lestari, N. A., Akhriza, T. M., & Yuniar, E. (2020). Metode Naïve Bayes Classifier Dengan Textblob Untuk Analisis Sentimen Terhadap Pelayanan Indihome Dan First Media. Seminar Nasional Teknologi Informasi dan Komunikasi STI&K (SeNTIK), 4(1), 283-290.
Nitami, M. T., & Februariyanti, H. (2022). Analisis Sentimen Ulasan Ekspedisi J&T Express Menggunakan Algoritma Naïve Bayes. Jurnal Manajemen Informatika & Sistem Informasi (MISI), 5(1), 20-29. doi:10.36595/misi.v5i1
Pertiwi, M. W. (2019). Analisis Sentimen Opini Publik Mengenai Sarana dan Transportasi Mudik Tahun 2019 pada Twitter Menggunakan Algoritma Naïve Bayes, Neural Network, KNN dan SVM. Inti Nusa Mandiri, 14(1), 27-32.
Ramadhani, T., Sari, Y. A., & Santoso, E. (2021). Analisis Sentimen Masyarakat Indonesia terhadap Covid-19 pada Media Sosial Twitter menggunakan Metode Naïve Bayes. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(12), 5680-5686.
Ratnawati, F. (2018). Implementasi Algoritma Naïve Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. Jurnal Inovtek Polbeng - Seri Informatika, 3(1), 50-55.
Romadloni, N. T., Santoso, I., & Budilaksono, S. (2019). Perbandingan Metode Naïve Bayes, KNN dan Decision Tree Terhadap Analisis Sentimen Transportasi KRL Commuter Line. Jurnal IKRA-ITH Informatika, 3(2), 1-8.
Rosdiana, & dkk. (2019). Analisis Sentimen pada Twitter terhadap Pelayanan Pemerintah Kota Makassar. Proceeding SNTEI, 87-93.
Samsir, & dkk. (2021). Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5(1), 157-163. doi:10.30865/mib.v5i1.2604
Saraswati, M., & Riminarsih, D. (2020). Analisis Sentimen Terhadap Pelayanan KRL Commuterline Berdasarkan Data Twitter Menggunakan Algoritma Bernoulli Naïve Bayes. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), 25(3), 225-230. doi:https://doi.org/10.35760/ik.2020.v25i3.3256
Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS, 10(2), 681-686.
Septian, J. A., Fahrudin, T. M., & Nugroho, A. (2020). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan Decision Tree. Journal of Intelligent Systems and Computation, 43-49.
Septiana, R. D., Susanto, A. B., & Tukiyat, T. (2021). Analisis Sentimen Vaksinasi Covid-19 Pada Twitter Menggunakan Naïve Bayes Classifier Dengan Feature Selection Chi-Squared Statistic Dan Particle Swarm Optimization. Jurnal Sistem Komputer dan Kecerdasan Buatan, 5(1), 49-56.
Setiawan, H., Utami, E., & Sudarmawan, S. (2021). Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan Naïve Bayes. Jurnal Komtika (Komputasi dan Informatika), 5(1), 43-51. doi:10.31603/komtika.v5i1.5189
Siti, & Mayary, J. (2020). Analisis Sentimen Pengguna Twitter terhadap Dompet Elektronik dengan Metode Lexicon Based dan Decision Tree. Jurnal Ilmiah Informatika Komputer, 25(1), 1-12. doi:10.35760/ik.2020.v25i1.2411
Wijaya, H. D., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1-7.
Yasid, M., & Junaedi, L. (2019). Analisis Sentimen Maskapai Citilink Pada Twitter Dengan Metode Naïve Bayes. Jurnal Ilmiah Informatika, 7(2), 83-91.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
