Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Kaeren, Kaeren
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Sentimen Aplikasi LinkAja di Google Play Store Menggunakan Algoritma Naïve Bayes dan Random Forest Kaeren, Kaeren; Andrianingsih, Andrianingsih
Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) Vol 6, No 02 (2025): Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30998/jrami.v6i02.13821

Abstract

Dompet digital telah menjadi bagian penting dalam transaksi keuangan modern, dengan LinkAja sebagai salah satu penyedia layanan di Indonesia. Meskipun termasuk lima besar dompet digital populer, LinkAja memiliki jumlah ulasan tinggi di Google Play Store, tetapi proporsi pengguna dan rata-rata ratingnya lebih rendah dibandingkan dengan pesaingnya. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi LinkAja dengan mengklasifikasikan opini mereka ke dalam kategori positif dan negatif menggunakan algoritma Naïve Bayes dan Random Forest. Hasil penelitian menunjukkan bahwa mayoritas ulasan pengguna bersentimen negatif, dengan permasalahan utama meliputi kesulitan login, kendala transaksi, proses upgrade lambat, serta layanan pelanggan yang kurang responsif. Hal ini menyebabkan rating aplikasi LinkAja didominasi oleh skala terendah, yaitu 1. Banyaknya pengalaman kurang menyenangkan mendorong pengguna untuk aktif memberikan ulasan, yang sebagian besar berisi keluhan terhadap layanan aplikasi. Dalam proses klasifikasi, Random Forest menunjukkan performa lebih unggul dengan akurasi sebesar 82%, presisi 84%, recall 81%, dan f1-score 82%. Sedangkan Naïve Bayes memiliki nilai akurasi sebesar 79%, presisi 83%, recall 78%, dan f1-score 79%. Random Forest juga lebih efektif dalam mengidentifikasi sentimen negatif dibandingkan Naïve Bayes. Analisis lebih lanjut mengungkapkan bahwa fitur aplikasi dan kemudahan penggunaan menjadi faktor utama dalam ulasan positif, meskipun jumlahnya lebih sedikit dibandingkan ulasan negatif.
Co-Authors Andrianingsih