ANALISIS SENTIMEN PENGGUNA APLIKASI CAPCUT MENGGUNAKAN ALGORITMA XGBOOST BERBASIS MACHINE LEARNING

Frederick Frederick (Program Studi Sistem Informasi, Fakultas Informatika dan Ilmu Komputer, Institut Teknologi dan Bisnis STIKOM Bali)
Gede Pande Satria Abhisila (Program Studi Sistem Informasi, Fakultas Informatika dan Ilmu Komputer, Institut Teknologi dan Bisnis STIKOM Bali)
I Gusti Ngurah Putu Putra Adnyana (Program Studi Sistem Informasi, Fakultas Informatika dan Ilmu Komputer, Institut Teknologi dan Bisnis STIKOM Bali)
I Kadek Abhi Pramana Prabangkara (Program Studi Sistem Informasi, Fakultas Informatika dan Ilmu Komputer, Institut Teknologi dan Bisnis STIKOM Bali)
Indriyani Indriyani (Program Studi Sistem Informasi, Fakultas Informatika dan Ilmu Komputer, Institut Teknologi dan Bisnis STIKOM Bali)

Jurnal Pendidikan dan Teknologi Indonesia
Vol 6 No 7 (2026): JPTI - Juli 2026

Perkembangan teknologi digital mendorong meningkatnya penggunaan aplikasi berbasis mobile, salah satunya aplikasi pengeditan video seperti CapCut. CapCut menjadi aplikasi yang populer karena menyediakan berbagai fitur editing yang mudah digunakan untuk membuat konten digital secara kreatif dan praktis. Tingginya jumlah pengguna menyebabkan banyaknya ulasan yang diberikan melalui Google Play Store, baik berupa komentar positif, netral, maupun negatif. Ulasan tersebut dapat dimanfaatkan untuk mengetahui tingkat kepuasan serta persepsi pengguna terhadap kualitas aplikasi. Namun, jumlah data yang besar membuat analisis manual kurang efisien dan membutuhkan waktu yang lama. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi CapCut menggunakan algoritma XGBoost berbasis machine learning. Penelitian dilakukan melalui tahapan pengumpulan data menggunakan teknik web scraping, preprocessing teks, ekstraksi fitur menggunakan metode TF-IDF, serta klasifikasi sentimen ke dalam kategori positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa dari 2.582 ulasan yang berhasil dianalisis, sentimen netral mendominasi sebesar 40,40%, diikuti sentimen positif sebesar 35,44%, dan sentimen negatif sebesar 24,17%. Model XGBoost yang dibangun memperoleh akurasi sebesar 80% dengan nilai precision, recall, dan F1-score rata-rata masing-masing sebesar 0,81, 0,80, dan 0,80. Hasil tersebut menunjukkan bahwa algoritma XGBoost mampu mengklasifikasikan sentimen pengguna aplikasi CapCut dengan baik dan dapat digunakan sebagai alat bantu untuk memahami persepsi pengguna terhadap aplikasi. Penerapan algoritma XGBoost pada ulasan pengguna aplikasi CapCut berbahasa Indonesia memberikan alternatif metode klasifikasi yang memiliki performa baik dalam mendukung evaluasi kualitas aplikasi berbasis data ulasan pengguna. Temuan penelitian ini juga memberikan manfaat praktis bagi pengembang aplikasi dalam mengidentifikasi kecenderungan opini pengguna secara lebih cepat, objektif, dan akurat sebagai dasar pengambilan keputusan untuk pengembangan fitur maupun peningkatan kualitas layanan.