Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes
Sentiment Analysis on Sirekap App Reviews on Google Play Using Naive Bayes Algorithm
DOI:
https://doi.org/10.57152/malcom.v4i4.1693Keywords:
Analisis Sentimen, Klasifikasi, Naive Bayes, SIREKAP, Ulasan AplikasiAbstract
Seiring dengan perkembangan dan pemanfaatan teknologi baru, KPU membuat dan menggunakan aplikasi SIREKAP untuk membantu proses rekapitulasi suara secara berjenjang. Sistem Informasi Rekapitulasi Elektronik (SIREKAP) merupakan program komputer yang membantu proses penghitungan ulang hasil pemilu dan publikasi hasil pemilu. Sistem ini dibuat sesuai dengan Keputusan Komisi Pemilihan Umum Nomor 66 Tahun 2024. Untuk mendapatkan informasi mengenai ulasan aplikasi SIREKAP, data diambil dari Google Play (scraping). Dalam investigasi ini, pelabelan sentimen dilakukan secara manual. Temuan menunjukkan bahwa sentimen terhadap aplikasi SIREKAP sebagian besar tidak menguntungkan (93,3%) dan positif (6,7%). Teknik Naive Bayes kemudian digunakan untuk memodelkan klasifikasi menggunakan data yang diberi label. Algoritma Naive Bayes memiliki accuracy rata-rata 90%, precision 98%, dan recall 81%, menurut data evaluasi. Konteks evaluasi pengguna untuk aplikasi SIREKAP dipahami melalui analisis visualisasi menggunakan wordcloud.
References
A. A. Birri, A. Rifai’i, and Y. Ferawati, “Sistem Pemerintahan Demokrasi dan Demokratisasi dalam Masyarakat Indonesia,” Jurnal Komunikasi Peradaban, vol. 1, no. 2, pp. 38–43, 2023.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 2, pp. 785–795, 2022.
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. Voutama and E. Novalia, “Perancangan Aplikasi M-Magazine Berbasis Android Sebagai Sarana Mading Sekolah Menengah Atas,” Jurnal Tekno Kompak, vol. 15, no. 1, pp. 104–115, 2021.
S. D. Purnamasari and F. Panjaitan, “Pengembangan Aplikasi E-Reporting Kerusakan Lampu Jalan Berbasis Mobile,” Jusikom: Jurnal Sistem Komputer Musirawas, vol. 5, no. 1, pp. 59–69, 2020.
S. A. Aaputra, D. Rosiyadi, W. Gata, and S. M. Husain, “Sentiment Analysis Analysis of E-Wallet Sentiments on Google Play Using the Naive Bayes Algorithm Based on Particle Swarm Optimization,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 3, pp. 377–382, 2019.
S. Fransiska, R. Rianto, and A. I. Gufroni, “Sentiment analysis provider by. u on google play store reviews with tf-idf and support vector machine (svm) method,” Scientific Journal of Informatics, vol. 7, no. 2, pp. 203–212, 2020.
R. Wahyudi et al., “Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” Jurnal Informatika, vol. 8, no. 2, pp. 200–207, 2021.
G. Manik, I. Ernawati, and I. Nurlaili, “Analisis Sentimen Pada Review Pengguna E-Commerce Bidang Pangan Menggunakan Metode Support Vector Machine (Studi Kasus: Review Sayurbox dan Tanihub pada Google Play),” in Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2021, pp. 64–74.
P. Arsi and R. Waluyo, “Analisis sentimen wacana pemindahan ibu kota Indonesia menggunakan algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput, vol. 8, no. 1, p. 147, 2021.
M. Furqan, Y. R. Nasution, and R. Fadillah, “Klasifikasi Penyakit Kulit Menggunakan Algoritma Naïve Bayes Berdasarkan Tekstur Warna Berbasis Android,” J-SAKTI (Jurnal Sains Komputer dan Informatika), vol. 6, no. 1, pp. 12–20, 2022.
R. T. Aldisa and P. Maulana, “Analisis Sentimen Opini Masyarakat Terhadap Vaksinasi Booster COVID-19 Dengan Perbandingan Metode Naive Bayes, Decision Tree dan SVM,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 106–109, 2022.
E. Indrayuni, “Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes,” Jurnal Khatulistiwa Informatika, vol. 7, no. 1, 2019.
L. K. Sukiman, A. R. D. Saribu, and A. Wiajaya, “Analisis Sentimen Ulasan Aplikasi Linkedin Dalam Google Play Store Dengan Model Naïve Bayes,” Djtechno: Jurnal Teknologi Informasi, vol. 4, no. 2, pp. 374–385, 2023.
B. Z. Ramadhan, R. I. Adam, and I. Maulana, “Analisis sentimen ulasan pada aplikasi e-commerce dengan menggunakan algoritma naïve bayes,” Journal of Applied Informatics and Computing, vol. 6, no. 2, pp. 220–225, 2022.
M. K. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 478–483, 2023.
I. Saputra, T. Djatna, R. R. A. Siregar, D. A. Kristiyanti, H. R. Yani, and A. A. Riyadi, “Text Mining of PeduliLindungi Application Reviews on Google Play Store,” Faktor Exacta, vol. 15, no. 2, 2022.
J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” INSYST: Journal of Intelligent System and Computation, vol. 1, no. 1, pp. 43–49, 2019.
Y. Mayasari and Y. R. Nasution, “Post-Election Sentiment Analysis 2024 via Twitter (X) Using the Naive Bayes Classifier Algorithm,” Journal of Dinda: Data Science, Information Technology, and Data Analytics, vol. 4, no. 2, pp. 123–134, 2024.
A. Tangkelayuk, “The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree,” JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), vol. 9, no. 2, pp. 1109–1119, 2022.
N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess. v5i2. 18186, 2020.
