KLASIFIKASI ULASAN APLIKASI KOPI KENANGAN PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES

Muhammad Abil Fadli; Tukino tukino; Elfina Novalia; April Lia Hananto

doi:10.46576/djtechno.v6i2.7037

KLASIFIKASI ULASAN APLIKASI KOPI KENANGAN PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES

Muhammad Abil Fadli, Tukino tukino, Elfina Novalia, April Lia Hananto

Abstract

Aplikasi Kopi Kenangan merupakan aplikasi yang digunakan untuk pemesanan minuman secara online milik perusahaan PT Bumi Berkah Boga. Selain hal tersebut aplikasi ini juga membantu perusahaan menerima ulasan terkait pengalaman pelanggan dalam menggunakan layanan aplikasi kopi kenangan. Namun ulasan pelanggan di Google Playstore memiliki jumlah data yang banyak sehingga sulit dianalisis secara manual. Tujuan penelitian ini melakukan klasifikasi ulasan pelanggan pada aplikasi Kopi Kenangan mempergunakan algoritma Naïve bayes. Metode penelitian ini meliputi pengumpulan data, preprocessing, pemodelan dan evaluasi. Data yang dipergunakan dalam penelitian ini yaitu sebesar 1000 data dengan lima kategori yaitu promo, pelayanan, performa aplikasi, transaksi dan kualitas produk. Hasil penelitian menunjukkan bahwa kategori ulasan terbanyak adalah tentang performa aplikasi dengan persentase 45% dari total 1000 data ulasan. Hasil akurasi penelitian yaitu sebesar 85% yang menunjukkan bahwa model dapat melakukan klasifikasi data kategori sentimen dengan cukup baik.

Full Text:

PDF

References

R. S. Wicaksono, B. J. M. Putra, and B. Hikmahwan, “Rancangan dan Implementasi Aplikasi Kepramukaan ‘Strong Scout’ Berbasis Android,” J. Electr. Electron. Mech. Inform. Soc. Appl. Sci., vol. 1, no. 1, pp. 18–25, 2022, doi: 10.58991/eemisas.v1i1.7.

M. Fihir, Martanto, and U. Hayati, “KLASIFIKASI TINGKAT KEPUASAN PELANGGAN KOPI KENANGAN MENGGUNAKAN METODE DECISION TREE PADA APLIKASI KOPI KENANGAN Muhammad,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3830–3833, 2023.

G. Radiena and A. Nugroho, “Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Kai Access Menggunakan Metode Support Vector Machine,” J. Pendidik. Teknol. Inf., vol. 6, no. 1, pp. 1–10, 2023, doi: 10.37792/jukanti.v6i1.836.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput, vol. 8, no. 1, p. 147, 2021.

I. Iwandini, A. Triayudi, and G. Soepriyono, “Analisa Sentimen Pengguna Transportasi Jakarta Terhadap Transjakarta Menggunakan Metode Naives Bayes dan K-Nearest Neighbor,” J. Inf. Syst. Res., vol. 4, no. 2, pp. 543–550, 2023, doi: 10.47065/josh.v4i2.2937.

M. Ilmar Rifaldi, Y. Raymond Ramadhan, and I. Jaelani, “Analisis Sentimen Terhadap Aplikasi Chatgpt Pada Twitter Menggunakan Algoritma Naïve Bayes,” J. Sains Komput. Inform. (J-SAKTI, vol. 7, no. 2, pp. 802–814, 2023.

I. M. A. A. D. Putra, I. M. G. Sunarya, and I. G. A. Gunadi, “Perbandingan Algoritma Naive Bayes Berbasis Feature Selection Gain Ratio dengan Naive Bayes Kovensional dalam Prediksi Komplikasi Hipertensi,” JTIM J. Teknol. Inf. dan Multimed., vol. 6, no. 1, pp. 37–49, 2024, doi: 10.35746/jtim.v6i1.488.

U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 205–212, 2022, doi: 10.30871/jaic.v6i2.4802.

C. Hayati, S. S. Hilabi, A. L. Hananto, S. Informasi, U. Buana, and P. Karawang, “KLASIFIKASI DAN PREDIKSI ULASAN APLIKASI DANA PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Inform. Teknol. dan Sains, vol. 7, no. 2, pp. 596–605, 2025.

D. R. Fathwa Daud, B. Irawan, and A. Bahtiar, “Penerapan Metode Naive Bayes Pada Analisis Sentimen Aplikasi Mcdonalds Di Google Play Store,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 759–766, 2024, doi: 10.36040/jati.v8i1.8784.

A. Agustian, T. Tukino, and F. Nurapriani, "Penerapan Analisis Sentimen dan Naive Bayes terhadap Opini Penggunaan Kendaraan Listrik di Twitter," Jurnal TIKA, vol. 7, no. 3, pp. 243–249, Dec. 2022.

M. N. Akbar, N. H. Rusydi, and N. S. Ramadhanti, “Sentiment Analysis Terhadap Review Aplikasi Maxim di Google Play Store Menggunakan Support Vector Machine (SVM),” AGENTS J. Artif. Intell. Data Sci., vol. 2, no. 2, pp. 9–16, 2022.

H. Syah and A. Witanti, “Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (Svm),” J. Sist. Inf. dan Inform., vol. 5, no. 1, pp. 59–67, 2022, doi: 10.47080/simika.v5i1.1411.

N. Simanjuntak and A. H. Muhammad, “Analisis Perbandingan Algoritma SVM dan CNN dalam Mendeteksi Website Judi Online Berdasarkan Konten Teks,” Bull. Comput. Sci. Res., vol. 5, no. 4, pp. 361–371, 2025, doi: 10.47065/bulletincsr.v5i4.586.

A. Santosa, I. Purnamasari, and Mayasari Rini, “Pengaruh Stopword Removal dan StemmingTerhadap Performa Klasifikasi Teks KomentarKebijakan New Normal Menggunakan AlgoritmaLSTM,” J. Sains Komput. Inform., vol. 6, pp. 81–93, 2022.

Priyatna, B, A. L. Hananto, dan M. Nova, “Application of UAT (User Acceptance Test) Evaluation Model in Minggon E-Meeting Software Development,” Systematics, vol. 2, no. 3, pp. 110–117, 2020.

Tukino, A. Hananto, R. A. Nanda, E. Novalia, E. Sediyono, and J. Sanjaya, "LSTM and Word Embedding: Classification and Prediction of Puskesmas Reviews Via Twitter," E3S Web of Conferences, vol. 500, no. 01018, pp. 1–10, 2024

DOI: https://doi.org/10.46576/djtechno.v6i2.7037