Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON)
Khosandy, Vincent
Unknown Affiliation
Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Kinerja Komparatif Metode Machine Learning Dalam Klasifikasi Sentimen Terhadap Ulasan Aplikasi Dompet Digital Yanto, Willi; Panjaitan, Mega Lastarida; Khosandy, Vincent; Banjarnahor, Jepri
Jurnal Sistem Komputer dan Informatika (JSON) Vol 6, No 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8831

Abstract

Saat ini, kemajuan teknologi telah merambah di berbagai aspek kehidupan, termasuk sektor keuangan. Salah satu teknologi keuangan yang populer digunakan di Indonesia adalah dompet digital. Penggunaan aplikasi dompet digital memungkinkan transaksi keuangan dilakukan secara daring tanpa perlu menggunakan uang tunai atau kartu fisik, mendukung sistem pembayaran non-tunai (cashless). Aplikasi dompet digital yang sangat populer saat ini, seperti Dana, OVO, dan Gopay, memiliki banyak pengguna, sehingga sering kali terdapat ulasan yang tidak relevan dengan aplikasi serta rating yang diberikan di Google Play Store. Tujuan penelitian ini adalah untuk membandingkan performa empat algoritma machine learning, yaitu Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Naïve Bayes dalam melakukan analisis sentimen pada ulasan aplikasi dompet digital. Data ulasan dompet digital diperoleh melalui teknik data scraping dan selanjutnya dilakukan text preprocessing untuk membersihkan teks agar dapat dieksekusi dengan baik. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dan Random Forest memiliki performa terbaik dalam analisis sentimen aplikasi dompet digital. Naïve Bayes mencapai akurasi tertinggi pada aplikasi Gopay dengan nilai 84.44%, recall 84.44%, dan F1-score 82.44%. Sementara itu, Random Forest menunjukkan performa yang konsisten dengan akurasi terbaik pada aplikasi OVO sebesar 81.82% dan recall 81.82%, serta pada aplikasi Gopay dengan akurasi 83.06% dan F1-score 80.84%. Hal ini menunjukkan bahwa kedua algoritma tersebut memiliki potensi yang baik dalam menganalisis sentimen ulasan aplikasi dompet digital
Analisis Kinerja Komparatif Metode Machine Learning Dalam Klasifikasi Sentimen Terhadap Ulasan Aplikasi Dompet Digital Yanto, Willi; Panjaitan, Mega Lastarida; Khosandy, Vincent; Banjarnahor, Jepri
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 6 No. 4 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v6i4.8831

Abstract

Saat ini, kemajuan teknologi telah merambah di berbagai aspek kehidupan, termasuk sektor keuangan. Salah satu teknologi keuangan yang populer digunakan di Indonesia adalah dompet digital. Penggunaan aplikasi dompet digital memungkinkan transaksi keuangan dilakukan secara daring tanpa perlu menggunakan uang tunai atau kartu fisik, mendukung sistem pembayaran non-tunai (cashless). Aplikasi dompet digital yang sangat populer saat ini, seperti Dana, OVO, dan Gopay, memiliki banyak pengguna, sehingga sering kali terdapat ulasan yang tidak relevan dengan aplikasi serta rating yang diberikan di Google Play Store. Tujuan penelitian ini adalah untuk membandingkan performa empat algoritma machine learning, yaitu Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Naïve Bayes dalam melakukan analisis sentimen pada ulasan aplikasi dompet digital. Data ulasan dompet digital diperoleh melalui teknik data scraping dan selanjutnya dilakukan text preprocessing untuk membersihkan teks agar dapat dieksekusi dengan baik. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dan Random Forest memiliki performa terbaik dalam analisis sentimen aplikasi dompet digital. Naïve Bayes mencapai akurasi tertinggi pada aplikasi Gopay dengan nilai 84.44%, recall 84.44%, dan F1-score 82.44%. Sementara itu, Random Forest menunjukkan performa yang konsisten dengan akurasi terbaik pada aplikasi OVO sebesar 81.82% dan recall 81.82%, serta pada aplikasi Gopay dengan akurasi 83.06% dan F1-score 80.84%. Hal ini menunjukkan bahwa kedua algoritma tersebut memiliki potensi yang baik dalam menganalisis sentimen ulasan aplikasi dompet digital
Co-Authors Banjarnahor, Jepri Panjaitan, Mega Lastarida Yanto, Willi