Analisis Sentimen Terhadap Aplikasi KitaLulus Menggunakan Metode Naive Bayes dari Ulasan Google Play Store

Nadia Amalia Putri, Agustina Srirahayu, Nugroho Arif Sudibyo

Abstract


Aplikasi pencarian pekerjaan seperti KitaLulus menjadi penting untuk membantu lulusan menemukan pekerjaan sesuai dengan keahlian dan minat dan bakat mereka. Analisis sentimen diperlukan untuk memahami pandangan pengguna terhadap aplikasi KitaLulus. Metode Naive Bayes digunakan dalam analisis ini karena efisiensinya dan akurasi tinggi dalam klasifikasi sentimen. Penelitian ini memanfaatkan 597 data ulasan yang diambil dari ulasan pengguna aplikasi didalam google play store dengan metode web scraping menggunakan library google-play-scraper. Pengolahan analisis sentimen pada dataset diberi label positif, netral, dan negatif. Data diolah menggunakan metode naïve bayes berhasil mencapai tingkat akurasi sebesar 91%. Hasil evaluasi menunjukkan bahwa presisi, recall, dan f1- score untuk sentimen positif berturut-turut adalah 0.99, 0.94, dan 0.97. Di sisi lain, kinerja model lebih rendah pada sentimen negatif dan netral. Hasil analisis sentimen positif menunjukan bahwa aplikasi KitaLulus telah diterima dan mendapatkan ulasan baik oleh para penggunanya. Penelitian ini bertujuan untuk meningkatkan pemahaman terhadap sentimen pengguna terhadap aplikasi KitaLulus dan memberikan kontribusi berharga bagi pengembang dalam usaha meningkatkan kualitas aplikasi tersebut.

Keywords


Analisis Sentimen; Naive Bayes; KitaLulus

Full Text:

References


Teguh Suprastiyo, W., & Airlangga, P. (2021). Penyebaran Informasi Lowongan Pekerjaan

Berbasis Website (Studi Kasus Mahasiswa Dan Alumni Unwaha). Jurnal Teknik Informasi Dan

Komputer (Tekinkom), 4(2), 230. https://doi.org/10.37600/tekinkom.v4i2.400

Hasri, C. F., & Alita, D. (2022). Penerapan Metode Naïve Bayes Classifier Dan Support Vector

Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter. Jurnal

Informatika Dan Rekayasa Perangkat Lunak, 3(2), 145–160.

https://doi.org/10.33365/jatika.v3i2.2026

Septiani Gumilar, T., Astuti, R., & Arie Wijaya, Y. (2024). Analisis Sentimen Ulasan Aplikasi Lita

Di Play Store Menggunakan Algoritma Naive Bayes. JATI (Jurnal Mahasiswa Teknik

Informatika), 8(1), 543–550. https://doi.org/10.36040/jati.v8i1.8778

Azhar, R., Surahman, A., & Juliane, C. (2022). Analisis Sentimen Terhadap Cryptocurrency

Berbasis Python TextBlob Menggunakan Algoritma Naïve Bayes. In Jurnal Sains Komputer &

Informatika (J-SAKTI (Vol. 6, Issue 1). http://dx.doi.org/10.30645/j-sakti.v6i1.443

Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi E-Government pada

Google Play Menggunakan Algoritma Naïve Bayes. JATISI (Jurnal Teknik Informatika Dan

Sistem Informasi), 9(2), 785–795. https://doi.org/10.35957/jatisi.v9i2.1835

Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support

Vector Machine pada Analisis Sentimen Twitter. SMATIKA JURNAL, 10(02), 71–76.

https://doi.org/10.32664/smatika.v10i02.455

Pattiiha, F. S., & Hendry, H. (2022). Perbandingan Metode K-NN, Naïve Bayes, Decision Tree

untuk Analisis Sentimen Tweet Twitter Terkait Opini Terhadap PT PAL Indonesia. JURIKOM

(Jurnal Riset Komputer), 9(2), 506. https://doi.org/10.30865/jurikom.v9i2.4016

Rahma Firmansyah, D., & Lestariningsih, E. (2024). Analisis Sentimen Ulasan Aplikasi Smart

Campus Unisbank di Google Playstore Menggunakan Algoritma Naive Bayes. Jurnal Teknologi

Informasi Dan Komunikasi), 8(2), 2024. https://doi.org/10.35870/jti

Wijaya, D., Saputra, R. A., & Irwiensyah, F. (2024). Analisis Sentimen Ulasan Aplikasi Samsat

Digital Nasional Pada Google Playstore Menggunakan Algoritma Naïve Bayes. KLIK: Kajian

Ilmiah Informatika Dan Komputer, 4(4). https://doi.org/10.30865/klik.v4i4.1738

Anwar, K. (2022). Analisa sentimen Pengguna Instagram Di Indonesia Pada Review

Smartphone Menggunakan Naive Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(4),

–155. https://doi.org/10.30865/klik.v2i4.315

Yutika, C. H., Adiwijaya, A., & Faraby, S. al. (2021). Analisis Sentimen Berbasis Aspek pada

Review Female Daily Menggunakan TF-IDF dan Naïve Bayes. Jurnal Media Informatika

Budidarma, 5(2), 422. https://doi.org/10.30865/mib.v5i2.2845

Mastan, I. A., & Toni, Y. (2020). Analisis Sentimen Terhadap Tempat Kuliner Ayam Gedebuk

Dari Komentar Pengunjung Dengan Menggunakan Metode Naïve Bayes Classifier. JBASE -

Journal of Business and Audit Information Systems, 3(1).

https://doi.org/10.30813/jbase.v3i1.2062/

Rozi, F., Sukmana, F., & Adani Nabil, M. (2021). Pengelompokkan Judul Buku dengan

Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Term Frequency – Inverse Document Frequency (TF-IDF). JIMP : Jurnal Informatika Merdeka Pasuruan, 3(1).

http://dx.doi.org/10.51213/jimp.v6i3.346

Zhafran Muflih, H., Rizki Abdillah, A., & Noor Hasan, F. (2023). Analisis Sentimen Ulasan

Pengguna Aplikasi Ajaib Menggunakan Metode Naïve Bayes. KLIK: Kajian Ilmiah Informatika

Dan Komputer, 4(3), 1613–1621. https://doi.org/10.30865/klik.v4i3.1303

Tsani, M., Rupaka, A., Asmoro, L., & Pradana, B. (2020). Analisis Sentimen Review Transportasi

Menggunakan Algoritma Support Vector Machine Berbasis Chi Square. Smart Comp :Jurnalnya

Orang Pintar Komputer, 9(1), 35–39. https://doi.org/10.30591/smartcomp.v9i1.1817

Nehe, P. H., Berutu, S. S., & Budiati, H. (2024). Analisis Sentimen Opini Masyarakat Terhadap

Presiden Jokowi Sebelum Dan Sesudah Pilpres 2024 Menggunakan Metode Naive Bayes

Classification. Jutisi : Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 13(1), 451.

https://doi.org/10.35889/jutisi.v13i1.1841

Ramadhani, B., & Suryono, R. R. (2024). Komparasi Algoritma Naïve Bayes dan Logistic

Regression Untuk Analisis Sentimen Metaverse. Jurnal Media Informatika Budidarma, 8(2).

https://doi.org/10.30865/mib.v8i2.7458

Darmawan, G., Alam, S., & Imam Sulistyo, M. (2023). Analisis Sentimen Berdasarkan Ulasan

Pengguna Aplikasi Mypertamina Pada Google Playstore Menggunakan Metode Naïve Bayes.

Storage – Jurnal Ilmiah Teknik Dan Ilmu Komputer, 2(3), 100–108. https://doi.org/10.55123

Utami, H. (2022). Analisis Sentimen dari Aplikasi Shopee Indonesia Menggunakan Metode

Recurrent Neural Network. Indonesian Journal of Applied Statistics, 5(1), 31.

https://doi.org/10.13057/ijas.v5i1.56825




DOI: https://doi.org/10.30591/smartcomp.v14i2.7230

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

========================================================================

Smart Comp Indexed By:

Flag Counter

 

View My Stats

 

 

 

Creative Commons License

 

 

 

This work is licensed under a Creative Commons Attribution 4.0 International License.







 

https://journal.mjkpublisher.or.id/