Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Informatics and Electronics Engineering
Sofi Septriani
Jurusan Teknik Informatika, Prodi Rekayasa Perangkat Lunak, Politeknik Negeri Bengkalis
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Analisis Sentimen Ulasan Kepuasan Pengguna BRKS (BANK RIAU KEPRI SYARIAH) Mobile Di Google Play Store Menggunakan Algoritma Random Forest Sofi Septriani; Elvi Rahmi; Desi Wahana
Journal of Informatics and Electronics Engineering Vol. 6 No. 01 (2026): Juni 2026
Publisher : Unit Penelitian dan Pengabdian kepada Masyarakat Politeknik TEDC Bandung Jl. Pesantren Km 2 Cibabat Cimahi Utara – Cimahi 40513 Jawa Barat – Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70428/jiee.v6i01.1576

Abstract

Ulasan pengguna pada aplikasi mobile banking di Google Play Store merupakan sumber informasi penting dalam mengevaluasi tingkat kepuasan dan kualitas layanan. Namun, jumlah ulasan yang besar menyebabkan analisis secara manual menjadi tidak efisien. Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral, menggunakan algoritma Random Forest. Metode penelitian meliputi proses web scraping untuk pengumpulan data sebanyak 2.500 ulasan, penambahan 49 ulasan dari App Store untuk mengatasi ketidakseimbangan kelas, serta preprocessing teks yang menghasilkan 2.020 data bersih, pembobotan fitur menggunakan TF-IDF, dan klasifikasi menggunakan Random Forest. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil pengujian pada 404 data uji menunjukkan bahwa model memperoleh nilai Accuracy 80,94%, Precision 79,62%, Recall 78,76%, dan F1-Score 78,77%. Secara keseluruhan, algoritma Random Forest menunjukkan kinerja yang baik dalam melakukan klasifikasi sentimen ulasan pengguna aplikasi mobile banking.
Co-Authors DESI WAHANA Elvi Rahmi