ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN GEMINI AI DENGAN METODE MACHINE LEARNING

Rivana Rosandi; Ade Ilham Febrianto; Afrizal Achmad Gibran; Waeisul Bismi; Ika Kurniawati; Riza Fahlapi

doi:10.46576/djtechno.v6i3.7962

ANALISIS SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN GEMINI AI DENGAN METODE MACHINE LEARNING

Rivana Rosandi, Ade Ilham Febrianto, Afrizal Achmad Gibran, Waeisul Bismi, Ika Kurniawati, Riza Fahlapi

Abstract

Meningkatnya popularitas Gemini AI sebagai platform percakapan digital besutan Google mendorong perlunya memahami bagaimana masyarakat Indonesia menilai kehadirannya. Namun, kajian mengenai persepsi publik berbasis data empiris dalam konteks layanan AI generatif masih terbatas. Penelitian ini bertujuan mengisi kesenjangan tersebut dengan menganalisis sentimen pengguna terhadap Gemini AI menggunakan 10.000 ulasan dari Google Play Store. Data diolah melalui tahapan praproses teks dan pelabelan sentimen, kemudian diklasifikasikan menggunakan beberapa model machine learning untuk memperoleh gambaran yang lebih komprehensif. Hasil penelitian menunjukkan bahwa model SVM memberikan performa paling unggul sebesar 96,34%, precision 0,97%, recall 0,95%, dan F1-score 0,96% mengungguli secara signifikan Naive Bayes (94,76%), Logistic Regression (94,24%), dan Random Forest (93,19%) dan mengindikasikan kecenderungan sentimen positif masyarakat terhadap Gemini AI. Temuan ini memberikan gambaran awal bagi pengembang untuk meningkatkan kualitas layanan dan pengalaman pengguna secara berkelanjutan, khususnya dalam menghadapi persaingan teknologi AI yang semakin dinamis.

Full Text:

PDF

References

N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47–54, 2022, doi: 10.57152/malcom.v2i1.195

N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm,” J. Gaussian, vol. 9, no. 3, pp. 376–390, 2020, doi: 10.14710/j.gauss.v9i3.28932.

A. Damar Pratama, “JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Journal homepage: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi ANALISA SENTIMEN MASYARAKAT TERHADAP PENGGUNAAN CHATGPT MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM),” vol. 9, no. 1, pp. 327–338, 2024, [Online]. Available: https://journal.bkpsl.org/index.php/jplb/article/view/827

A. Algiffary and T. Sutabri, “Indonesian Journal of Computer Science,” Indones. J. Comput. Sci., vol. 12, no. 2, pp. 284–301, 2023, [Online]. Available: http://ijcs.stmikindonesia.ac.id/ijcs/index.php/ijcs/article/view/3135

M. F. Baihaqi, L. Magdalena, and R. Fahrudin, “Analisis Sentimen Aplikasi Deepseek Menggunakan Metode Naive Bayes dan Support Vector Machine,” RIGGS J. Artif. Intell. Digit. Bus., vol. 4, no. 3, pp. 4051–4062, 2025, doi: 10.31004/riggs.v4i3.2511. [Online]. Available: https://journal.ilmudata.co.id/index.php/RIGGS/article/view/2511

M. Djufri, “Penerapan Teknik Web Scraping Untuk Penggalian Potensi Pajak (Studi Kasus Pada Online Market Place Tokopedia, Shopee Dan Bukalapak),” J. BPPK Badan Pendidik. dan Pelatih. Keuang., vol. 13, no. 2, pp. 65–75, 2020, doi: 10.48108/jurnalbppk.v13i2.636.

R. A. A. Renal, Syariful Alam, and Moch Hafid T, “Komparasi Payment Digital Untuk Analisis Sentimen Berdasarkan Ulasan Di Google Playstore Menggunakan Metode Support Vector Machine,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 118–128, 2023, doi: 10.55123/storage.v2i3.2337. [Online]. Available: https://journal.literasisains.id/index.php/storage/article/view/2337

A. Fauziah and Y. Salim, “Analisis Sentimen Pengguna X Terhadap Perkembangan Artificial Intelligence ( AI ) Menggunakan Algoritma Machine Learning,” LINER (Literatur Inform. Komputer), vol. 1, no. 4, pp. 347–357, 2024. [Online]. Available: https://jurnal.fikom.umi.ac.id/index.php/LINIER/article/view/2534/691

L. Rhomaningtias, A. Khairunisa, S. Shella May Wara, and K. Maulida Hindrayani, “Analisis Sentimen Ulasan Aplikasi Smile Indonesia Menggunakan Metode Naive Bayes Dan Support Vector Machine (Svm),” HOAQ (High Educ. Organ. Arch. Qual. J. Teknol. Inf., vol. 16, no. 1, pp. 79–91, 2025, doi: 10.52972/hoaq.vol16no1.p79-91.[Online].Available:https://publikasi.uyelindo.ac.id/index.php/hoaq/article/view/653

A. Riskiyah, T. M. Fahrudin, and K. M. Hindrayani, “Analisis Sentimen Kepuasan Pelayanan Transportasi Online Gojek Menggunakan Algoritma Extreme Learning Machine,” J. Lebesgue J. Ilm. Pendidik. Mat. Mat. dan Stat., vol. 5, no. 2, pp. 1273–1285, 2024, doi: 10.46306/lb.v5i2.714. [Online]. Available: https://lebesgue.lppmbinabangsa.id/index.php/home/article/view/714

A. Nababan, A. Lumenta, Y. Rindengan, F. Pontoh, and Y. Akay, “Analisis Sentimen Twitter Pasca Pengumuman Hasil Pilpres 2019 Menggunakan Metode Lexicon Analysis,” J. Tek. Inform., vol. 15, no. 1, pp. 33–44, 2020. [Online]. Available: https://ejournal.unsrat.ac.id/v2/index.php/informatika/article/view/29030/0

K. D. Indarwati and H. Februariyanti, “Analisis Sentimen Terhadap Kualitas Pelayanan Aplikasi Gojek Menggunakan Metode Naive Bayes Classifier,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 10, no. 1, 2023, doi: 10.35957/jatisi.v10i1.2643.

I. N. Saputra et al., “FINE TUNNING MODEL INDOBERT UNTUK ANALISIS SENTIMEN BERITA PARIWISATA INDONESIA,” vol. 22, no. 2, pp. 195–204, 2025.

Normawati D and Prayogi S A, “Implementation of Naïve Bayes Classifier and Confusion Matrix on Text-Based Sentiment Analysis on Twitter,” J. Sains Komput. Inform., vol. 5, no. 2, pp. 697–711, 2021, [Online]. Available: https://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/369

M. I. Raif, N. N. Hidayati, and T. Matulatan, “Otomatisasi Pendeteksi Kata Baku Dan Tidak Baku Pada Data Twitter Berbasis KBBI,” J. Teknol. Inf. dan Ilmu Komput., vol. 11, no. 2, pp. 337–348, 2024, doi: 10.25126/jtiik.20241127404. [Online]. Available: https://jtiik.ub.ac.id/index.php/jtiik/article/view/7404

A. D. H. A. N. J. P. Abdul Mukti, “5138-205-17885-2-10-20230517,” pp. 35–47, 2023.

I. N. Husada and H. Toba, “Pengaruh Metode Penyeimbangan Kelas Terhadap Tingkat Akurasi Analisis Sentimen pada Tweets Berbahasa Indonesia,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 400–413, 2020, doi: 10.28932/jutisi.v6i2.2743.[Online]. Available: https://journal.maranatha.edu/index.php/jutisi/article/view/2743

G. S. Sunarko, Wasino, and T. Sutrisno, “Klasterisasi Sentimen Ulasan Pengguna Aplikasi Bca Mobile Pada Platform Google Play Store Dengan Algoritma K-Means Clustering,” J. Ilmu Komput. dan Sist. Inf., vol. 11, no. 1, 2023, doi: 10.24912/jiksi.v11i1.24145. [Online]. Available: https://journal.maranatha.edu/index.php/jutisi/article/view/2743

I. F. Rozi, E. N. Hamdana, and Muhammad Balya Iqbal Alfahmi, “PENGEMBANGAN APLIKASI ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (Studi Kasus SAMSAT Kota Malang),” J. Inform. Polinema, vol. 4, no. 2, p. 149, 2018, doi: 10.33795/jip.v4i2.164. [Online]. Available: https://jurnal.polinema.ac.id/index.php/jip/article/view/2671

O. S. D. Fadhillah, J. H. Jaman, and C. Carudin, “Perbandingan Naive Bayes, Support Vector Machine, Logistic Regression Dan Random Forest Dalam Menganalisis Sentimen Mengenai Tiktokshop,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 1, 2025, doi: 10.23960/jitet.v13i1.5746.

S. A. Assaidi and F. Amin, “Analisis Sentimen Evaluasi Pembelajaran Tatap Muka 100 Persen pada Pengguna Twitter menggunakan Metode Logistic Regression,” J. Pendidik. Tambusai, vol. 6, no. 2, pp. 13217–133227, 2022.

O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based Dan Random Forest,” J. Ilm. Inform., vol. 11, no. 02, pp. 159–169, 2023, doi: 10.33884/jif.v11i02.7987. [Online]. Available: https://ejournal.upbatam.ac.id/index.php/jif/article/view/7

F. Y. A’la, “Optimasi Klasifikasi Sentimen Ulasan Game Berbahasa Indonesia: IndoBERT dan SMOTE untuk Menangani Ketidakseimbangan Kelas,” Edumatic J. Pendidik. Inform., vol. 9, no. 1, pp. 256–265, 2025, doi: 10.29408/edumatic.v9i1.29666. [Online]. Available: https://e-journal.hamzanwadi.ac.id/index.php/edumatic/article/view/29666

M. Koppel and J. Schler, “The importance of neutral examples for learning sentiment,” Comput. Intell., vol. 22, no. 2, pp. 100–109, 2006, doi: 10.1111/j.1467-8640.2006.00276.x. [Online]. Available: https://onlinelibrary.wiley.com/doi/10.1111/j.1467-8640.2006.00276.x

S. A. Putra and A. Wijaya, “Analisis Sentimen Artificial Intelligence (Ai) Pada Media Sosial Twitter Menggunakan Metode Lexicon Based,” JuSiTik J. Sist. dan Teknol. Inf. Komun., vol. 7, no. 1, pp. 21–28, 2023, doi: 10.32524/jusitik.v7i1.1042. [Online]. Available: https://journal.ukmc.ac.id/index.php/jutsi/article/view/1042

DOI: https://doi.org/10.46576/djtechno.v6i3.7962