ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI JAMSOSTEK MOBILE DENGAN MENGGUNAKAN NAÏVE BAYES DAN LOGISTIC REGRETION

Penulis

  • O’neal Efrata Madao Universitas Mulawarman image/svg+xml
  • Akhmad Irsyad
  • Muhammad Rivani Ibrahim

DOI:

https://doi.org/10.46576/djtechno.v6i2.6775

Kata Kunci:

Jamsostek Mobile (JMO), Analisis Sentimen, Naïve Bayes, Logistic Regression

Abstrak

Jamsostek Mobile (JMO) merupakan inovasi digital dari BPJS Ketenagakerjaan yang diluncurkan pada September 2021 untuk mempermudah pelayanan kepada pengguna. Meskipun dirancang untuk meningkatkan akses dan kualitas layanan, masih ditemukan ulasan negatif dari pengguna terkait fitur dan kinerja aplikasi. Ulasan tersebut menjadi sumber informasi penting untuk mengevaluasi persepsi pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi JMO menggunakan algoritma Naïve Bayes dan Logistic Regression. Data diambil dari Google Playstore, terdiri dari 1.500 ulasan berbahasa Indonesia yang telah diberi label secara manual sebagai positif atau negatif. Proses analisis dilakukan dengan Python melalui platform Google Colab. Evaluasi performa model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa kedua algoritma memiliki akurasi yang sama, yaitu 92,67%. Naïve Bayes unggul dalam presisi sebesar 97,58%, sedangkan Logistic Regression lebih baik dalam recall (93,30%) dan F1-score (93,82%). Meskipun keduanya menunjukkan kinerja yang baik, Logistic Regression dinilai lebih seimbang dalam mengklasifikasikan data. Pemilihan algoritma terbaik tetap disesuaikan dengan prioritas analisis, apakah mengutamakan ketepatan klasifikasi atau kelengkapan dalam mendeteksi sentimen.

Referensi

. Aldren Marpaung, J., & Devega, M. (2024). Analisis Sentimen Kepuasan Pengguna Aplikasi BCA Mobile Menggunakan Metode Naïve Bayes Dan Support Vector Machine (SVM). In Prosiding-Seminar Nasional Teknologi Informasi & Ilmu Komputer (SEMASTER) (Vol. 3, Issue 1). Https://Doi.Org/Https://Pustaka-Psm.Unilak.Ac.Id/Index.Php/Semaster/Article/View/23980

. Arisoemaryo, B. S., & Prasetio, R. T. (2022). Analisis Tingkat Kepuasan Pengguna Aplikasi Jamsostek Mobile Menggunakan Metode End User Computing Satisfaction. Jurnal Responsif, 4(1), 110–117. Https://Ejurnal.Ars.Ac.Id/Index.Php/Jti

. Atimi, R. L., & Enda Esyudha Pratama. (2022). Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia. Jurnal Sains Dan Informatika, 8(1), 88–96. Https://Doi.Org/10.34128/Jsi.V8i1.419

. Azka, F. W., & Romadhony, A. H. (2022). Sentiment Analysis Of University Social Media Using Support Vector Machine And Logistic Regression Methods. Https://Doi.Org/10.34818/Indojc.2022.7.2.638

. Bahtiar, S. A. H., Dewa, C. K., & Luthfi, A. (2023). Comparison Of Naïve Bayes And Logistic Regression In Sentiment Analysis On Marketplace Reviews Using Rating-Based Labeling. Journal Of Information Systems And Informatics, 5(3), 915–927. Https://Doi.Org/10.51519/Journalisi.V5i3.539

. Barreñada, L., Dhiman, P., Timmerman, D., Boulesteix, A.-L., & Van Calster, B. (2024). Understanding Overfitting In Random Forest For Probability Estimation: A Visualization And Simulation Study. Diagnostic And Prognostic Research, 8(1), 14. Https://Doi.Org/10.1186/S41512-024-00177-1

. Budianto, A. G., Rusilawati, R., Suryo, A. T. E., Cahyono, G. R., Zulkarnain, A. F., & Martunus, M. (2024). Perbandingan Performa Algoritma Support Vector Machine (SVM) Dan Logistic Regression Untuk Analisis Sentimen Pengguna Aplikasi Retail Di Android. Jurnal Sains Dan Informatika, 10(2). Https://Doi.Org/10.34128/Jsi.V10i2.911

. Firdlous, D. A., Andrian, R., & Widodo, S. (2023). Sentiment Analysis Public Twitter On 2024 Election Using The Long Short Term Memory Model. SISTEMASI, 12(1), 52. Https://Doi.Org/10.32520/Stmsi.V12i1.2145

. Hanif, I. F., Affandi, I. R., Hasan, F. N., Sinduningrum, E., & Halim, Z. (2022). Analisis Sentimen Opini Masyarakat Terkait Penyelenggaraan Sistem Elektronik Menggunakan Metode Logistic Regression. Jurnal Linguistik Komputasional, 5(2), 77–84. Https://Doi.Org/Https://Simakip.Uhamka.Ac.Id/Download?Type=Jurnal&Id=2976

. Kisma, A. J. N., Widiawati, C. R. A., & Suliswaningsih, S. (2023). Analysis Of Applications In Playstore Based On Rating And Type Using Naive Bayes And Logistic Regression. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 10(2), 174–184. Https://Doi.Org/Https://Jurnal.Mdp.Ac.Id/Index.Php/Jatisi/Article/View/4784

. Krisna Perdana Jaya Sitompul, Adi Rizky Pratama, & Kiki Ahmad Baihaqi. (2023). Komparasi Algoritma Naïve Bayes, Support Vector Machine, Dan Logistic Regression Pada Analisis Sentimen Pengguna Aplikasi Transportasi Online. Kumpulan Jurnal Ilmu Komputer (KLIK) , 10. Https://Doi.Org/Https://Klik.Ulm.Ac.Id/Index.Php/Klik/Article/View/6

. Melvern Pradana. (2021, June 1). Apa Itu BPJS Ketenagakerjaan? Investbro.Id. Https://Investbro.Id/Apa-Itu-Bpjs-Ketenagakerjaan/

. Muslim, S. N. S., Nurdiyansyah, F., & Rahman, A. Y. (2024). Perbandingan Algoritma Naive Bayes Dan Knn Dalam Analisis Sentimen Ulasan Pengguna Aplikasi Capcut. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3S1). Https://Doi.Org/10.23960/Jitet.V12i3s1.5156

. Prayoga Siswono, A., Fauzi, S., Zalva Surya Hermawan, A., Riyandi, A., Panjaitan No, J. DI, Kidul, P., Purwokerto Selatan, K., & Banyumas, K. (2024). Analisis Sentimen Pelantikan Presiden Indonesia 2024 Menggunakan Model Klasifikasi Dan Algoritma Naive Bayes (Vol. 4, Issue 1). Https://Doi.Org/Https://Conferences.Ittelkom-Pwt.Ac.Id/Index.Php/Centive/Article/View/351

. Septiani, D., & Isabela, I. (2022). SINTESIA: Jurnal Sistem Dan Teknologi Informasi Indonesia Analisis Term Frequency Inverse Document Frequency (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS. Jurnal Sistem Dan Teknologi Informasi Indonesia , 1. Https://Doi.Org/Https://Journal.Unj.Ac.Id/Unj/Index.Php/SINTESIA/Article/View/39364

. Umat, Y. N. K., Nafsyi, D. R., Kusumaningsih, D., & Hakim, L. (2024). Analisis Faktor Yang Mempengaruhi Pemilihan Gubernur Daerah Khusus Jakarta Menggunakan Algoritma Naive Bayes Dan Regresi Logistik. Rabit: Jurnal Teknologi Dan Sistem Informasi Univrab, 9(2), 211–224. Https://Doi.Org/Https://Pdfs.Semanticscholar.Org/7ddf/3331e9c37b54b913b4d4a99b667841c806ac.Pdf

Unduhan

Diterbitkan

2025-08-02

Terbitan

Vol 6 No 2 (2025): Agustus

Bagian

Articles

Lisensi

Pernyataan Hak Cipta dan Lisensi

  1. Hak Cipta atas naskah-naskah karya ilmiah di dalam Jurnal ini dipegang oleh Penulis.
  2. Penulis menyerahkan hak saat pertama kali mempublikasi Naskah karya ilmiahnya dan secara bersamaan Penulis memberikan izin/lisensi dengan mengacu pada  Creative Commons Attribution-ShareAlike 4.0 International License kepada pihak lain untuk menyebarkan karya ilmiahnya tersebut dengan tetap mencantumkan penghargaan bagi penulis dan Djtechno sebagai media Publikasi pertama atas karya tersebut.
  3. Hal-hal yang berkaitan dengan non-eksklusivitas pendistribusian Jurnal yang menerbitkan karya ilmiah penulis dapat diperjanjikan secara terpisah (contoh: permintaan untuk menempatkan karya yang dimaksud pada perpustakaan suatu institusi atau menerbitkannya sebagai buku) dengan Penulis sebagai salah satu pihak perjanjian dan dengan penghargaan pada Djtechno sebagai media publikasi pertama atas karya dimaksud.
  4. Penulis dapat dan diharapkan untuk mengumumkan karyanya secara online (misalnya pada Repositori atau pada laman Organisai/Institusinya) sejak sebelum dan selama proses pengumpulan naskah, sebab upaya tersebut dapat meningkatkan pertukaran citasi lebih awal dan dengan cakupan yang lebih luas.