ANALISIS SENTIMEN BERBASIS ASPEK TERHADAP ULASAN APLIKASI MYPERTAMINA MENGGUNAKAN SUPPORT VECTOR MACHINE

Ikram Maulana; Winda Apriandari; Agung Pambudi

doi:10.36080/idealis.v6i2.3022

Ikram Maulana Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sukabumi, Sukabumi, Indonesia
Winda Apriandari Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sukabumi, Sukabumi, Indonesia
Agung Pambudi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Muhammadiyah Sukabumi, Sukabumi, Indonesia

DOI: https://doi.org/10.36080/idealis.v6i2.3022

Keywords: Pertamina, BBM Subsidi, Aplikasi MyPertamina, Analisis Sentimen, Support Vector Machine (SVM)

Abstract

PT. Pertamina (Persero), sebagai BUMN terbesar di bidang minyak dan gas bumi di Indonesia, memiliki tanggung jawab untuk menyalurkan BBM bersubsidi secara tepat sasaran dan sesuai kuota yang ditetapkan oleh pemerintah. Sejak 1 Juli 2022, aplikasi MyPertamina menjadi syarat untuk pembelian BBM Pertalite dan Biosolar. Dengan lebih dari 10 juta unduhan dan peringkat 2,5 di Google Play Store berdasarkan data pada Oktober 2022, penelitian ini bertujuan untuk mengevaluasi aplikasi MyPertamina dengan mengelompokkan ulasan ke dalam dua kelas sentimen dan tiga kelas aspek. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD) dengan menerapkan algoritma Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa MyPertamina dinilai membantu pengguna dalam pembelian BBM, meskipun terdapat kendala yang dirasakan pengguna. Kendala tersebut meliputi kesulitan dalam mendaftar akun dan sering mengalami kegagalan login pada aspek Bug, kerumitan dalam penggunaan pada aspek kegunaan, serta kadang-kadang tidak muncul barcode pada aspek pembayaran. Evaluasi model klasifikasi sentimen dan aspek menghasilkan tingkat akurasi rata-rata sebesar 92% dan 96% secara berturut-turut. Dengan demikian, dapat disimpulkan bahwa model yang telah dikembangkan cukup andal dalam melakukan klasifikasi pada data ulasan aplikasi MyPertamina.

Downloads

Download data is not yet available.

References

R. Islamia, I. R. Al Faizy, A. Aqilla, R. F. Ahmad, A. Z. P. Arum, and G. Pratama, “Dampak Kenaikan Harga Bahan Bakar Minyak (Bbm) Terhadap Sembilan Bahan Pokok (Sembako) Di Toko Sani Kabupaten Cirebon,” J. Ekon. Manaj., vol. 17, no. 2, pp. 1–7, 2022, [Online]. Available: http://oaj.stiecirebon.ac.id/index.php/jem

D. Rahayuningtiyas, R. Laksmono, and Y. D. Kuncjoro, “Analisis Pemanfaatan Coral Reef Sebagai Penyimpanan Cadangan Strategis Energi Untuk Ketahanan Energi Nasional,” J. Ketahanan Energi, vol. 7, pp. 44–59, 2021, [Online]. Available: https://jurnalprodi.idu.ac.id/index.php/KE/article/view/1070

A. Hendra, “Pelaksanaan Praktik Industri (PI) Mahasiswa PTIK UNM di PT. Pertamina (Persero) Marketing Operation Region VII Sulawesi,” https://tik.ft.unm.ac.id/, 2019. https://tik.ft.unm.ac.id/index.php/berita/index/Pelaksanaan-Praktik-Industri-x01PIx02-Mahasiswa-PTIK-UNM-di-PT.-Pertamina-x01Perserox02-Marketing-Operation-Region-VII-Sulawesi (accessed Oct. 08, 2022).

Darmayuda, E. A. Pailis, A. F. Aulia, and M. Hasnan, “Analisis Pergeseran Pola Konsumsi Energi dan Dampak Ekonominya Pada Saat Covid-19 di Provinsi Riau,” J. Ekon. dan Bisnis, vol. 10, no. 1, pp. 203–216, 2022.

N. Andari, “MyPertamina, Kenali Aplikasi dan Fungsinya Selain Buat Beli Bensin,” https://www.carmudi.co.id/, Jun. 30, 2022. https://www.carmudi.co.id/journal/mypertamina-kenali-aplikasi-dan-fungsinya-selain-buat-beli-bensin/ (accessed Oct. 08, 2022).

R. M. Ibrahim and N. N. K. Moeliono, “Persepsi Konsumen Pada My Pertamina (Studi Pada Penggunaan My Pertamina Kota Bandung),” J. Ilm. Mhs. Ekon. Manaj., vol. 5, no. 2, pp. 396–413, 2020, [Online]. Available: http:jim.unsyiah.ac.id/ekm

Syamsir, A. Lutfi, A. A. Fitriani, I. Ramadani, N. A. Putri, and Y. S. Nelsi, “Efekvitas Penggunaan Aplikasi My Pertamina Di Era Kenaikan Bbm Bersubsidi,” Pros. Semin. Nas. Pendidikan, Bahasa, Sastra, Seni, dan Budaya, vol. 1, no. 2, pp. 245–253, 2022.

S. Fransiska, Rianto, and A. Irham Gufroni, “Sentiment Analysis Provider by.U on Google Play Store Reviews with TF-IDF and Support Vector Machine (SVM) Method,” Sci. J. Informatics, vol. 7, no. 2, pp. 2407–7658, 2020, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji

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.

M. Izunnahdi, G. Aburrahman, and A. E. Wardoyo, “Sentimen Analisis Pada Data Ulasan Aplikasi KAI Access Di Google PlayStore Menggunakan Metode Multinomial Naive Bayes Sentiment Analysis on KAI Access Application Review Data on Google PlayStore Using Multinomial Naive Bayes Method,” vol. 1, no. 1, pp. 1–7, 2021.

R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” J. Inform., vol. 8, no. 2, pp. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.

L. B. Ilmawan and M. A. Mude, “Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store,” Ilk. J. Ilm., vol. 12, no. 2, pp. 154–161, 2020, doi: 10.33096/ilkom.v12i2.597.154-161.

I. Santoso, Windu Gata, and Atik Budi Paryanti, “Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 364–370, 2019, doi: 10.29207/resti.v3i3.1084.

N. W. Utami and I. G. J. E. Putra, “TEXT MINING CLUSTERING UNTUK PENGELOMPOKAN TOPIK DOKUMEN PENELITIAN MENGGUNAKAN ALGORITMA K-MEANS DENGAN COSINE SIMILARITY,” JINTEKS (Jurnal Inform. Teknol. dan Sains), vol. 4, p. 66, 2022, [Online]. Available: http://www.jurnal.uts.ac.id/index.php/JINTEKS/article/view/1907/1021

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.

N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 2, p. 129, 2021, doi: 10.30998/string.v6i2.10133.

Y. Julianto, D. H. Setiabudi, and S. Rostianingsih, “Analisis Sentimen Ulasan Restoran Menggunakan Metode Support Vector Machine,” J. Infra, vol. 10, no. 1, 2022.