Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Mahima Cinta Hage
Universitas Kristen Satya Wacana
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN PENGGUNA GRAB DI GOOGLE PLAY STORE MENGGUNAKAN METODE LSTM DAN NAÏVE BAYES Mahima Cinta Hage; Pratyaksa Ocsa Nugraha Saian
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 2 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/7hdrhg12

Abstract

Seiring dengan berkembangnya teknologi digital, sektor transportasi mengalami perubahan melalui pemanfaatan aplikasi ojek online seperti Grab. Penggunaan aplikasi ini memunculkan berbagai ulasan dari pengguna di Google Play Store, yang secara tidak langsung mencerminkan tingkat kualitas layanan yang diberikan. Ulasan tersebut dapat dimanfaatkan melalui analisis sentimen untuk mengevaluasi tingkat kepuasan pengguna. Penelitian ini difokuskan pada evaluasi dan perbandingan performa algoritma Long Short-Term Memory (LSTM) dan Naïve Bayes dalam mengklasifikasikan sentimen ulasan pengguna aplikasi Grab. Data yang digunakan sebanyak 5.000 ulasan yang diperoleh melalui web scraping, kemudian diproses melalui tahap preprocessing (cleaning, tokenizing, stopword removal, dan stemming), pelabelan sentimen, serta pembobotan TF-IDF. Naïve Bayes digunakan sebagai metode machine learning klasik yang efisien, sedangkan LSTM sebagai metode deep learning mampu memahami konteks dan urutan kata. Hasil penelitian menunjukkan bahwa LSTM memiliki akurasi sebesar 91,45%, sedikit lebih tinggi dibandingkan Naïve Bayes sebesar 91,33%, serta lebih unggul dalam mendeteksi sentimen negatif berdasarkan nilai recall dan F1-score. Temuan ini diharapkan dapat menjadi referensi dalam pengembangan sistem analisis sentimen dan evaluasi kualitas layanan aplikasi transportasi online.Kata Kunci: Analisis Sentimen, Grab Naïve Bayes, Long Short-Term Memory (LSTM), Klasifikasi Teks.
Co-Authors Pratyaksa Ocsa Nugraha Saian