Jurnas Nasional Teknologi dan Sistem Informasi
Vol 11 No 1 (2025): April 2025

Analisis Sentimen Algoritma Naïve Bayes, Support Vector Machine, dan Random Forest Pada Ulasan Aplikasi Ajaib

Kurniawan, Nanda Dwi (Unknown)
Ferdian, Praditya Rendi (Unknown)
Hidayati, Nurtriana (Unknown)



Article Info

Publish Date
23 May 2025

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan pengguna aplikasi Ajaib di Google Play Store menggunakan tiga algoritma machine learning: Naive Bayes, Support Vector Machine (SVM), dan Random Forest. Data ulasan sebanyak 2.000 dikumpulkan melalui web scraping menggunakan library google-play-scraper dan diproses melalui tahap normalisasi, case folding, pembersihan, tokenisasi, dan penghilangan stopwords. Data dibagi menjadi 80% data latih dan 20% data uji dengan label sentimen diatas 3 (positif), 3 (netral), dan dibawah 3 (negatif). Hasil menunjukkan Random Forest unggul secara keseluruhan dengan recall 95% dan F1-score 91%, sementara SVM mencatatkan akurasi tertinggi 91%, dan Naive Bayes kompetitif dengan presisi 91%. Berdasarkan evaluasi terhadap keempat metrik utama, Random Forest direkomendasikan untuk analisis sentimen ulasan aplikasi Ajaib karena kemampuannya yang konsisten dalam mengidentifikasi ulasan positif. Penelitian ini memberikan panduan efektif dalam memilih algoritma machine learning untuk analisis sentimen di platform aplikasi mobile.

Copyrights © 2025






Journal Info

Abbrev

teknosi

Publisher

Subject

Computer Science & IT Decision Sciences, Operations Research & Management

Description

Jurnal ini menerbitkan artikel penelitian (research article), artikel telaah/studi literatur (review article/literature review), laporan kasus (case report) dan artikel konsep atau kebijakan (concept/policy article), di semua bidang : Geographical Information System, Enterpise Application, Bussiness ...