Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Yudhi Septianto
Universitas Pamulang
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering

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

Found 1 Documents
Search

 1 
Implementasi Metode Naive Bayes Berbasis Python Untuk Analisis Sentimen Aplikasi Google Gemini Ikhwan Ikhwan; Yudhi Septianto
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1531

Abstract

Artificial Intelligence (AI) mengalami perkembangan dalam beberapa tahun terakhir, salah satunya adalah Google Gemini. Tingginya penggunaan layanan digital ini menghasilkan ulasan pengguna yang sangat besar dan tersimpan informasi penting terkait kepuasan, pengalaman, serta pandangan pengguna dalam menilai kualitas layanan. Kondisi ini terlihat dari jumlah unduhan 1 M+, 4,7 bintang dari 5, dan 41,8 juta lebih ulasan. Untuk menganalisis sentimen, peneliti menggunakan tahapan, di antaranya pengumpulan data yang dilakukan dari Maret hingga Juni 2026 dengan scraping di Google Play Store dan mendapatkan 20.000 ulasan. Data preprocessing di antaranya cleaning, stopword removal, case folding, stemming dan tokenisasi dengan hasil pemrosesan data 11.035. Hasil labeling didapat ulasan positif 8.197, negatif 2.323, dan netral 515. Klasifikasi hanya pada kelas positif dan negatif, untuk netral tidak digunakan. Algoritma menggunakan Multinomial Naive Bayes dengan pemberian bobot pada kata menggunakan TF-IDF, serta confusion matrix untuk evaluasi yang terdiri akurasi, recall, presisi, F1-Score dan juga visualisasi data word cloud. Hasil performa yang didapat yang cukup baik. Pada rasio 80:20, data dibagi dalam data training dan testing dengan akurasi 0.8826 atau 88,26%, presisi 0.8968 atau 89,68%, recall 0.9605 atau 96,05%, dan F1-score 0.9276 atau 92,76%. Tujuan penelitian untuk menganalisis sentimen oleh pengguna dan mengklasifikasi data sentimen, serta evaluasi performa pada model menggunakan algoritma Naive Bayes berbasis Python. Harapan pada penelitian ini dapat menjadi bahan evaluasi bagi pengembang agar lebih memaksimalkan aplikasi dan pelayanannya
Co-Authors Ikhwan Ikhwan