Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JOINTECOMS (Journal of Information Technology and Computer Science)
Husna Safitri, Hana
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Komparasi Machine Learning dalam Analisis Sentimen Berbasis Aspek dan Deteksi Emosi pada Ulasan Aplikasi Lowongan Kerja Husna Safitri, Hana; Handrianus Pranatawijaya, Viktor; Priskila, Ressa
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25773

Abstract

Seiring meningkatnya penggunaan aplikasi pencari kerja, ulasan pengguna di platform digital menjadi sumber penting untuk mengevaluasi kualitas layanan. Namun, ulasan tersebut sering kali tidak terstruktur dan mengandung ekspresi kompleks. Penelitian ini menerapkan teknik machine learning untuk mengidentifikasi aspek dominan, serta memahami sentimen dan emosi dalam ulasan aplikasi Glints dan Jobstreet dari Google Play Store. Tiga model dibandingkan, yaitu Support Vector Machine (SVM), Random Forest, dan Multinomial Logistic Regression. Data diperoleh melalui scraping, diproses dengan tahapan preprocessing, dan dianotasi menggunakan LDA dan Generative AI untuk aspek, IndoBERT untuk sentimen, serta NRC Emotion Lexicon untuk emosi. Dataset dibagi dalam rasio 80:20 dan 90:10. Hasil menunjukkan bahwa model terbaik untuk klasifikasi aspek adalah SVM (split 90:10) dengan akurasi 97,67%, untuk sentimen adalah Multinomial Logistic Regression (split 90:10) dengan akurasi 94,49%, dan untuk emosi adalah SVM (split 90:10) dengan akurasi 99,46%. Aspek yang paling dominan adalah Pencarian Kerja, diikuti Pengalaman Pengguna. Sentimen ulasan didominasi oleh sentimen positif, dan emosi yang paling sering muncul adalah bahagia. Penelitian ini membantu mengevaluasi kinerja model dan memahami persepsi pengguna terhadap aplikasi pencari kerja.
Co-Authors Handrianus Pranatawijaya, Viktor Priskila, Ressa