ANALISIS SENTIMEN TERHADAP APLIKASI GOJEK PADA PLAY STORE MENGGUNAKAN METODE RANDOM FOREST CLASSIFIER

Naura Zainaty Rania
Universitas Gunadarma
Indonesia
Rama Dian Syah
Universitas Gunadarma
Indonesia

Abstract

Ulasan pengguna aplikasi memiliki peran yang sangat penting dalam menentukan kesuksesan sebuah layanan aplikasi. Analisis sentiment. Teknologi Natural Language Processing (NLP) memungkinkan pengembang untuk mengkategorikan emosi dalam ulasan secara otomatis. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi Gojek yang tersedia di Google Playstore menggunakan metode Random Forest Classifier. Dataset yang digunakan sebanyak 50000 ulasan. Model yang dibangun berhasil melakukan prediksi sentiment dengan baik yang dibuktikan dengan nilai akurasi mencapai 89%. Model yang dibangun mampu mengidentifikasi sampel negatif sebanyak 3231 data diprediksi dengan benar (True Negative). Sampel negative sebanyak 298 data diprediksi dengan salah prediksi sebagai positif (False Positive). Sampel negative sebanyak 722 data diprediksi dengan salah sebagai negative (False Negative). Sampel positif sebanyak 5376 data diprediksi dengan benar (True Positive). Penelitian ini menunjukkan sentimen pengguna Gojek cenderung negative sehingga peningkatan layanan Gojek dapat ditingkatkan agar loyalitas pengguna semakin bertambah.

Keywords
Analisis Sentimen, Random Forest, Aplikasi Gojek, Play Store
References

N. Hapsari, R. Prawiradilaga, and M. Muhardi, “Pengaruh Persepsi Kemudahan, Persepsi Kebermanfaatan, dan Kualitas Informasi terhadap Minat Masyarakat Kota Bogor dalam Penggunaan Layanan Telemedicine (Studi Pada Pengguna Aplikasi Halodoc, Alodokter, Yesdok),” J. Nas. Manaj. Pemasar. SDM, vol. 4, no. 3, pp. 100–119, Sep. 2023, doi: 10.47747/jnmpsdm.v4i3.1363.

S. A. Mahira, I. Sukoco, C. S. Barkah, N. Jamil, A. Novel, and J. A. Bisnis, “Teknologi Artificial Intelligence Dalam Analisis Sentimen: Studi Literatur Pada Perusahaan Kata.Ai,” J. Pemikir. Dan Penelit. Bid. Adm. Sos. Hum. Dan Kebijak. Publik, vol. 6, no. 2, pp. 139–148, 2023.

G. Aji, E. Febrianti, D. A. Karima, A. Dhia Iqbal, E. Setiani, and U. K. H. Abdurrahman, “Analisis Strategi Pengembangan Bisnis Pada Pt Goto Gojek Tokopedia Untuk Pertumbuhan Jangka Panjang Pasca Ipo,” GEMILANG J. Manaj. dan Akunt. , vol. 3, no. 3, pp. 49–59, 2023, [Online]. Available: https://doi.org/10.56910/gemilang.v3i2.606.

A. Komarudin and A. Hilda, “Analisis Sentimen Ulasan Aplikasi Identitas Kependudukan Digital Pada Play Store Menggunakan Metode Naïve Bayes,” Comput. Sci., vol. 4, no. 1, pp. 28–36, Jan. 2024, doi: 10.31294/coscience.v4i1.2955.

E. Daryfayi, P. Daulay, and I. Asror, “Sentimen Analisis pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes,” e-Proceeding Eng. , vol. 7, no. 2, pp. 8400–8410, 2020.

F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id.

S. M. Fani, R. Santoso, and S. Suparti, “Penerapan Text Mining Untuk Melakukan Clustering Data Tweet Akun Blibli Pada Media Sosial Twitter Menggunakan K-Means Clustering,” J. Gaussian, vol. 10, no. 4, pp. 583–593, 2021, doi: 10.14710/j.gauss.v10i4.30409.

G. A. Lustiansyah et al., “Analisis klasifikasi sentimen pengguna aplikasi pedulilindungi berdasarkan ulasan dengan menggunakan metode long short term memory,” in Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 2022, pp. 327–336, [Online]. Available: https://conference.upnvj.ac.id/index.php/senamika/article/view/2177.

A. Z. Amrullah, A. Sofyan Anas, and M. A. J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” J. Bumigora Inf. Technol., vol. 2, no. 1, pp. 40–44, 2020, doi: 10.30812/bite.v2i1.804.

A. S. dan N. Surojudin, “Analisis Dan Perbandingan Stemming Algoritma Porter Dengan Algoritma Ahmad Yusoff Sembok Dalam Dokumen Teks Bahasa Indonesia,” Pros. Semin. SeNTIK, vol. 4, no. 1, pp. 347–357, 2020, [Online]. Available: https://ejournal.jak-stik.ac.id/index.php/sentik/article/view/3304.

D. S. Hollinger, M. Gulfam, S. Packer, and B. Sukmanto, “A Pattern Recognition Diagnostic Model to Restore and Emulate Knee Mobility,” 2021. [Online]. Available: https://www.embase.com/search/results?subaction=viewrecord&id=L2016370682&from=export%0Ahttp://dx.doi.org/10.1101/2021.12.23.21267314.

Information
PDF
336 times PDF : 290 times