Analisis Sentimen Review Aplikasi Jogja Smart Service Pada Google Play Store Menggunakan Metode SVM

Akbar Sidiq Kurniawan; Irfan Pratama

doi:10.30591/smartcomp.v14i1.7303

Analisis Sentimen Review Aplikasi Jogja Smart Service Pada Google Play Store Menggunakan Metode SVM

Akbar Sidiq Kurniawan, Irfan Pratama

Abstract

Perkembangan Teknologi Informasi dan Komunikasi (TIK) telah mengubah cara informasi disampaikan dan mempermudah akses informasi bagi masyarakat. Salah satu implementasi smart city adalah layanan publik berbasis TIK, yang bertujuan mengatasi berbagai masalah masyarakat. Dengan informasi TIK terintegrasi, pelayanan publik menjadi lebih efektif, efisien, dan tepat sasaran. salah satunya pelayanan publik adalah aplikasi Jogja Smart Service yang bisa didownload di google play store. Saat ini aplikasi Jogja Smart Service telah didownload sebanyak 100 ribu kali dengan rating 4.7. Pada Google play store bisa dilihat di kolom komentar mengenai ulasan yang telah tulis oleh pengguna aplikasi Jogja Smart Service ini. SVM adalah metode yang memberikan hasil yang baik dalam klasifikasi, karena kemampuannya menemukan hyperplane terbaik untuk memisahkan kelas yang berbeda. Dalam penelitian ini, analisis sentimen terhadap ulasan aplikasi Jogja Smart Service dilakukan menggunakan metode SVM dengan variasi kernel: linear, polynomial, RBF, dan Sigmoid. Hasil pengujian menunjukkan bahwa SVM mampu melakukan analisis sentimen ulasan pengguna aplikasi Jogja Smart Service dengan baik, terutama menggunakan RBF kernel yang mencapai akurasi 90%, lebih tinggi dibandingkan dengan linear, polynomial, dan Sigmoid kernel.

Keywords

Jogja Smart Service; SVM; Play Store; Sentiment Analisis; Text Mining

Full Text:

References

M. G. Gumilar, “Inovasi Pemerintah Daerah Jogja Smart Service Dalam Menciptakan Smart

And Liveable City Di Kota Yogyakarta,” Jurnal Gama Societa, vol. 3, no. 1, p. 19, Apr. 2020, doi: 10.22146/jgs.50012.

N. W. Indriyani, R. P. Nurdiarti, and M. Nastain, “Aksesibilitas dan Pemanfaatan Aplikasi ‘ Jogja Smart Service’ untuk Mewujudkan Good Governance,” Jurnal Riset Public Relations, pp. 75–84, Dec. 2022, doi: 10.29313/jrpr.vi.1352.

N. Nur’aini et al., “Efektivitas Aplikasi JSS Sebagai Implementasi E-Government Kota Yogyakarta,” Gunung Djati Conference Series, vol. 39, 2024, doi: 10.15575/gdcs.v39i.

R. Ramadhani, E. P. Purnomo, and A. N. Kasiwi, “E-Government Assessment pada Kualitias Aplikasi Jogja Smart Service (JSS) di Kota Yogyakarta,” Jurnal Pemerintahan dan Politik, vol. 5, no. 2, Jun. 2020, doi: 10.36982/jpg.v5i2.1031.

E. R. Kaburuan and N. R. Setiawan, “Sentimen Analisis Review Aplikasi Digital Korlantas Pada Google Play Store Menggunakan Metode SVM,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 12, no. 1, pp. 105–116, Mar. 2023, doi: 10.32736/sisfokom.v12i1.1614.

A. Muhammadin and I. A. Sobari, “Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma SVM Dan NBC,” Jurnal Rekayasa Perangkat Lunak, vol. 2, no. 2, 2021, [Online]. Available: http://jurnal.bsi.ac.id/index.php/reputasi

P. Aditiya, U. Enri, and I. Maulana, “Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, p. 1020, Aug. 2022, doi: 10.30865/jurikom.v9i4.4673.

U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” 2022. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC

S. Fide, “Analisis Sentimen Ulasan Aplikasi Tiktok Di Google Play Menggunakan Metode Support Vector Machine (Svm) Dan Asosiasi,” vol. 10, no. 3, pp. 346–358, 2021, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

C. Matulessy and A. Purnama, “Analisis Sentimen Terhadap Review Pengguna Indrive Di Google Playstore Menggunakan Algoritma Support Vector Machine,” Jurnal Darma Agung, vol. 31, no. 1, p. 1015, Apr. 2023, doi: 10.46930/ojsuda.v31i1.3078.

R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “url : http://studentjournal.umpo.ac.id/index.php/komputek Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine,” 2019. [Online]. Available: http://studentjournal.umpo.ac.id/index.php/komputek

F. Amaliah and I. K. Dwi Nuryana, “Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” Journal of Informatics and Computer Science (JINACS), vol. 3, no. 03, pp. 384–393, Apr. 2022, doi: 10.26740/jinacs.v3n03.p384-393.

J. E. Br Sinulingga and H. C. K. Sitorus, “Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF,” Jurnal Manajemen Informatika (JAMIKA), vol. 14, no. 1, pp. 42–53, Feb. 2024, doi: 10.34010/jamika.v14i1.11946.

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 406, Apr. 2021, doi: 10.30865/mib.v5i2.2835.

F. Romadoni, Y. Umaidah, and B. N. Sari, “Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 9, no. 2, pp. 247–253, Jul. 2020, doi: 10.32736/sisfokom.v9i2.903.

S. Ernawati and R. Wati, “Evaluasi Performa Kernel SVM dalam Analisis Sentimen Review Aplikasi ChatGPT

Menggunakan Hyperparameter dan VADER Lexicon,” 2024.

S. D. Wahyuni and R. H. Kusumodestoni, “Optimalisasi Algoritma Support Vector Machine (SVM) Dalam Klasifikasi Kejadian Data Stunting,” Bulletin of Information Technology (BIT), vol. 5, no. 2, pp. 56–64, 2024, doi: 10.47065/bit.v5i2.1247.

DOI: https://doi.org/10.30591/smartcomp.v14i1.7303