Analisis Sentimen Pengguna Aplikasi Jamsostek Mobile Berdasarkan Ulasan Google Play Store Menggunakan Algoritma Support Vector Machine dan Naive Bayes: Sentiment Analysis of Jamsostek Mobile Application Reviews on Google Play Store Using Support Vector Machine and Naive Bayes Algorithms

Tria Setyani; Kevinda Sari; Helma Nopijani Heidy; Ryan Randy Suryono

doi:10.57152/malcom.v6i1.2526

Authors

Tria Setyani Universitas Teknokrat Indonesia
Kevinda Sari Universitas Teknokrat Indonesia
Helma Nopijani Heidy Universitas Teknokrat Indonesia
Ryan Randy Suryono Universitas Teknokrat Indonesia

DOI:

https://doi.org/10.57152/malcom.v6i1.2526

Keywords:

Analisis Sentimen, Google Play Store, Jamsostek Mobile, Naive Bayes, Support Vector Machine

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Jamsostek Mobile (JMO) yang tersedia pada Google Play Store menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Data yang digunakan sebanyak 6.000 ulasan pengguna yang dikumpulkan melalui teknik web scraping. Tahapan penelitian meliputi preprocessing teks (cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming), pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), pelabelan data dengan metode lexicon-based, serta klasifikasi sentimen ke dalam tiga kelas, yaitu positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan confusion matrix dan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan performa yang lebih unggul dengan nilai akurasi sebesar 88,9%, sedangkan Naive Bayes memperoleh akurasi sebesar 64,1%. SVM juga menunjukkan nilai F1-score yang lebih konsisten pada seluruh kelas sentimen dibandingkan Naive Bayes. Dengan demikian, algoritma SVM terbukti lebih efektif dan andal dalam mengklasifikasikan sentimen ulasan pengguna aplikasi JMO.

Downloads

Download data is not yet available.

References

K. Kusuma Dewi, I. Kaniawulan, C. Dewi Lestari, “Analisis Sentimen Pengguna Aplikasi Jmo Pada App Store Menggunakan Metode Naive Bayes,” vol. 8, no. 2, 2023.

S. Alpin Rizaldi, S. Alam, and I. Kurniawan, “Analisis Sentimen Pengguna Aplikasi Jmo ( ) Pada Google Play Store Menggunakan Metode Naive Bayes 1),” vol. 2, no. 3, pp. 109–117, 2023, doi: 10.55123.

S. Butsianto and A. M. Rifa’i, “Analisis Sentimen Ulasan Aplikasi Jamsostek dengan SVM, Random Forest, dan Logistic Regression,” Jurnal Informatika Ekonomi Bisnis, pp. 700–706, Sep. 2025, doi: 10.37034/infeb.v7i3.1266.

Neal Efrata Madao, A. Irsyad, and M. Rivani Ibrahim, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Dengan Menggunakan Naive Bayes Dan Logistic Regression,” Jurnal Teknologi Informasi, vol. 6, no. 2, 2025, doi: 10.46576/djtechno.

K. Kusuma Dewi, I. Kaniawulan, and C. Dewi Lestari, “Analisis Sentimen Pengguna Aplikasi Jmo Pada App Store Menggunakan Metode Naive Bayes,” vol. 8, no. 2, 2023.

S. Alpin Rizaldi, S. Alam, and I. Kurniawan, “Analisis Sentimen Pengguna Aplikasi Jmo ( ) Pada Google Play Store Menggunakan Metode Naive Bayes 1),” vol. 2, no. 3, pp. 109–117, 2023, doi: 10.55123.

S. Butsianto and A. M. Rifa’i, “Analisis Sentimen Ulasan Aplikasi Jamsostek dengan SVM, Random Forest, dan Logistic Regression,” Jurnal Informatika Ekonomi Bisnis, pp. 700–706, Sep. 2025, doi: 10.37034/infeb.v7i3.1266.

V. Fitriyana et al., “Analisis Sentimen Ulasan Aplikasi Menggunakan Metode Support Vector Machine,” 2023.

A. Ariyo Munandar and C. Edi Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” 2026.

N. C. Ramadani, “Analisis Sentimen Untuk Mengukur Ulasan Pengguna Aplikasi Mobile Legend Menggunakan Algoritma Naive Bayes, SVM, Random Fores, Decision Tree, dan Logistic Regression,” JSI?: Jurnal Sistem Informasi (E-Journal, vol. 16, no. 1, 2024.

T. Gori, A. Sunyoto, and H. Al Fatta, “Preprocessing Data dan Klasifikasi untuk Prediksi Kinerja Akademik Siswa,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 1, pp. 215–224, Feb. 2024, doi: 10.25126/jtiik.20241118074.

B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - Journal of Business and Audit Information Systems, vol. 4, no. 2, Aug. 2021, doi: 10.30813/jbase.v4i2.3000.

S. N. Rismanah, R. Astuti, and F. M. Basysyar, “Penerapan Algoritma Support Vector Machine Dalam Menganalisis Sentimen Ulasan Pelanggan Shopeefood Berdasarkan Twitter,” 2024.

A. Selawati, Yan Rianto, Rachmawati Darma Astuti, Ainun Zumarniansyah, and Deny Novianti, “Analisis Sentimen Berita Online Terhadap Transportasi Online di Indonesia dengan Metode Naïve Bayes Classifier, Support Vector Machine dan K-Nearest Neighbor,” Bulletin of Computer Science Research, vol. 5, no. 2, pp. 105–111, Feb. 2025, doi: 10.47065/bulletincsr.v5i2.477.

P. R. Sari et al., “Comparison of Naive Bayes and SVM Algorithms for Sentiment Analysis of PUBG Mobile on Google Play Store.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id

F. Yani, K. Imelda, and N. T. Kurniadi, “Analisis Sentiment Pengguna Aplikasi Mobile Legend Di Playstore Dengan Menggunakan Algoritma Naïve Bayes Dan Support Vector Machine (Svm),” Jurnal Teknologi Informasi, vol. 6, no. 2, 2025, doi: 10.46576/djtechno.

L. Rhomaningtias, A. Khairunisa, S. Shella, M. Wara, and K. M. Hindrayani, “Analisis Sentimen Ulasan Aplikasi Smile Indonesia Menggunakan Metode Naive Bayes Dan Support Vector Machine (SVM),” vol. 16, May 2025, doi: 10.52972/hoaq.vol16no1.

R. Maheri, F. N. Salisah, F. Muttakin, and M. Megawati, “Analisis Sentimen Ulasan Aplikasi M-Paspor Menggunakan Naive Bayes Dan Support Vector Machine,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 1, pp. 448–458, Jan. 2025, doi: 10.29100/jipi.v10i1.5826.

K. Kevin, M. Enjeli, and A. Wijaya, “Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes,” Jurnal Ilmiah Computer Science, vol. 2, no. 2, pp. 89–98, Jan. 2024, doi: 10.58602/jics.v2i2.24.

S. Lestari and S. Febrianti, “Analisis Sentimen Ulasan Produk Shopee di Aplikasi Instagram Menggunakan Algoritma K-Nearest Neighbors,” JURNAL MALCOM, vol. 5, pp. 1172–1180, 2025, doi: 10.57152/malcom.v5i4.1595.