ANALISIS SENTIMEN PADA ULASAN APLIKASI EHADRAH DI GOOGLE PLAYSTORE MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM)
Abstract
Aplikasi Ehadrah adalah sebuah aplikasi untuk mendengarkan dan mengakses konten hadrah, seni musik tradisional islami. Jumlah pengguna aplikasi Ehadrah semakin meningkat di era digital saat ini karena popularitasnya yang terus bertambah. Namun, ulasan pengguna sering tidak sesuai dengan rating yang ditampilkan di Google Play Store, menciptakan kesenjangan yang dapat menghambat pengembangan aplikasi lebih lanjut. Oleh karena itu, diperlukan analisis sentimen untuk memahami sentimen pengguna secara lebih mendalam. Data ulasan diperoleh melalui web scraping menggunakan Google Play Store API dan kemudian diproses melalui tahapan preprocessing seperti case folding, tokenizing, stopword removal, dan stemming. Pemodelan menggunakan teknik Support Vector Machine (SVM) dengan membandingkan kedua kernel SVM yaitu Linear dan RBF untuk mengklasifikasikan sentimen dalam ulasan pengguna. Tujuan penelitian ini adalah untuk mengevaluasi sentimen pengguna terhadap aplikasi eHadrah di Google Play Store dengan menggunakan algoritma SVM. Hasil penelitian menunjukkan bahwa SVM dengan kernel Linear lebih unggul dibandingkan kernel RBF. SVM dengan Kernel Linear menghasilkan akurasi 95.46%, precision 81.83%, recall 55.61%, dan f-measure 62.82%, sementara kernel RBF menghasilkan akurasi 94.15%, precision 58.03%, recall 40.33%, dan f-measure 43.24% dengan menggunakan 976 data ulasan.
Downloads
References
[2] T. Tinaliah and T. Elizabeth, “Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 4, pp. 3436–3442, 2022, doi: 10.35957/jatisi.v9i4.3586.
[3] A. D. Adhi Putra, “Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, pp. 636–646, 2021, doi: 10.35957/jatisi.v8i2.962.
[4] A. Novantika, “Analisis sentimen ulasan pengguna aplikasi video conference google meet menggunakan metode svm dan logistic regression,” Prism. Pros. Semin. Nas. Mat., vol. 5, pp. 808–813, 2022, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
[5] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” J. Media Inform. Budidarma, vol. 4, no. 3, p. 650, 2020, doi: 10.30865/mib.v4i3.2181.
[6] M. R. U. Pulungan, D. E. Ratnawati, and B. Rahayudi, “Analisis Sentimen Ulasan Aplikasi PeduliLindungi dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komun., vol. 6, no. 9, pp. 4378–4385, 2022, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/11582/5142
[7] D. Nurwahidah, G. Dwilestari, N. Dienwati Nuris, and R. Narasati, “Analisis Sentimen Data Ulasan Pengguna Aplikasi Google Kelas Pada Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3673–3678, 2024, doi: 10.36040/jati.v7i6.8245.
[8] I. Maulana, W. Apriandari, and A. Pambudi, “Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine,” IDEALIS Indones. J. Inf. Syst., vol. 6, no. 2, pp. 172–181, 2023, doi: 10.36080/idealis.v6i2.3022.
[9] D. Safryda Putri and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine,” J. Ilm. Inform., vol. 11, no. 01, pp. 32–40, 2023, doi: 10.33884/jif.v11i01.6611.
[10] E. Indrayuni, A. Nurhadi, and D. A. Kristiyanti, “Implementasi Algoritma Naive Bayes, Support Vector Machine, dan K-Nearest Neighbors untuk Analisa Sentimen Aplikasi Halodoc,” Fakt. Exacta, vol. 14, no. 2, p. 64, 2021, doi: 10.30998/faktorexacta.v14i2.9697.
[11] B. T. H. Fanka Angelina Larasati, D. Eka Ratnawati, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” … Teknol. Inf. dan …, vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
[12] R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.
[13] W. Kurnia, “Sentimen Analisis Aplikasi E-Commerce Berdasarkan Ulasan Pengguna Menggunakan Algoritma Stochastic Gradient Descent,” J. Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 138–143, 2023.
[14] M. M. Maarif and N. Setiyawati, “Analisis Sentimen Review Aplikasi LinkedIn di Google Play Store Menggunakan Support Vector Machine,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 454, 2024, doi: 10.35889/progresif.v20i1.1614.
[15] S. Fathoniah and C. Rozikin, “Analisis Sentimen Masyarakat terhadap Teroris dalam Media Sosial Twitter menggunakan NLP,” J. Ilm. Wahana Pendidik., vol. 2022, no. 13, pp. 412–419, 2022.
[16] Y. Asri, W. N. Suliyanti, D. Kuswardani, and M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile,” Petir, vol. 15, no. 2, pp. 264–275, 2022, doi: 10.33322/petir.v15i2.1733.
[17] A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, 2022, doi: 10.35957/jatisi.v9i2.1835.
[18] M. Diki Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine Sentiment Analysis of Mola Application Reviews on Google Play Store Using Support Vector Machine Algorithm,” J. Inf. Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022.
Copyright (c) 2024 Ayu Basirotul Muzayyanah, Ratri Enggar Pawening, Zainal Arifin
![Creative Commons License](http://i.creativecommons.org/l/by-sa/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.