Analisis Sentimen Ulasan Aplikasi Smart Campus Unisbank di Google Playstore Menggunakan Algoritma Naive Bayes
Article Sidebar
Published:
Apr 1, 2024
Keywords:
Naive Bayes, Python, Smartcampus, Preprocessing, TF-IDF
Scite_ AI Article:
Connected Papers:
Statistics:
Share Article:
Main Article Content
Abstract
This study explores sentiment analysis on SmartCampus Unisbank application reviews on Google Play Store using the Naive Bayes classification method. Through Python programming language and web scraping techniques employing the google-play-scraper library, review data was automatically obtained and organized in CSV format. Text preprocessing techniques such as case folding, stopwords removal, tokenization, and stemming were applied to ensure accurate analysis. The data was divided into training and testing sets, and TF-IDF (Term Frequency-Inverse Document Frequency) was used for feature extraction. A Naive Bayes model was constructed and evaluated, achieving an accuracy of 84.6%. While the model demonstrated proficiency in identifying negative sentiments with 100% precision, it requires refinement for recognizing positive sentiments. These findings provide valuable insights for SmartCampus Unisbank developers to understand user perspectives and improve application quality
Downloads
Download data is not yet available.
Article Details
How to Cite
Firmansyah, D. R., & Lestariningsih, E. (2024). Analisis Sentimen Ulasan Aplikasi Smart Campus Unisbank di Google Playstore Menggunakan Algoritma Naive Bayes. Jurnal JTIK (Jurnal Teknologi Informasi Dan Komunikasi), 8(2), 498–507. https://doi.org/10.35870/jtik.v8i2.1882
Section
Computer & Communication Science
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Agustian, N., & Salsabila, U. H. (2021). Peran teknologi pendidikan dalam pembelajaran. Islamika, 3(1), 123-133. DOI: 10.36088/islamika.v3i1.1047.
Areni, I. S., Palantei, E., Suyuti, A., Baharuddin, M., Samman, F. A., & Umraeni, A. E. (2019). Pengembangan dan implementasi smart campus berbasis smart card di Institut Agama Islam Negeri Bone. JURNAL TEPAT: Teknologi Terapan untuk Pengabdian Masyarakat, 2(1), 1-7. DOI: https://doi.org/10.25042/jurnal_tepat.v2i1.51.
Flores, V. A., Jasa, L., & Linawati, L. (2020). Analisis Sentimen untuk Mengetahui Kelemahan dan Kelebihan Pesaing Bisnis Rumah Makan Berdasarkan Komentar Positif dan Negatif di Instagram. Majalah Ilmiah Teknologi Elektro, 19(1), 49.
Wisnu, G. R. G., Muttaqi, A. R., Santoso, A. B., Putra, P. K., & Budi, I. (2020, October). Sentiment analysis and topic modelling of 2018 central java gubernatorial election using twitter data. In 2020 International Workshop on Big Data and Information Security (IWBIS) (pp. 35-40). IEEE. DOI: 10.1109/IWBIS50925.2020.9255583.
Fitriyyah, S. N. J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(3), 279-285. DOI: http://dx.doi.org/10.26418/jp.v5i3.34368.
Wahyudi, R., & Kusumawardhana, G. (2021). Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine. Jurnal Informatika, 8(2), 200-207.
Hendriyanto, M. D., Ridha, A. A., & Enri, U. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine. INTECOMS: Journal of Information Technology and Computer Science, 5(1), 1-7. DOI: https://doi.org/10.31539/intecoms.v5i1.3708
Tanggraeni, A. I., & Sitokdana, M. 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. DOI: https://doi.org/10.35957/jatisi.v9i2.1835.
Saini, S., Punhani, R., Bathla, R., & Shukla, V. K. (2019, April). Sentiment analysis on twitter data using R. In 2019 International Conference on Automation, Computational and Technology Management (ICACTM) (pp. 68-72). IEEE.
Apriani, R., & Gustian, D. (2019). Analisis Sentimen dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54-62. DOI: https://doi.org/10.52005/rekayasa.v6i1.86.
Pratama, M. O., Satyawan, W., Jannati, R., Pamungkas, B., Syahputra, M. E., & Neforawati, I. (2019, April). The sentiment analysis of Indonesia commuter line using machine learning based on twitter data. In Journal of Physics: Conference Series (Vol. 1193, No. 1, p. 012029). IOP Publishing.
Syafa'at, M. H., Setyaningsih, E. R., & Kristian, Y. (2021). Svm Untuk Sentiment Analysis Calon Kepala Daerah Berdasar Data Komentar Video Debat Pilkada Di Youtube. Antivirus: Jurnal Ilmiah Teknik Informatika, 15(2), 262-276.
Yusnitasari, T., Ikasari, D., Pratiwi, E. E. S., & Ramdani, N. S. (2017, November). Analisis Sentimen Terhadap Review Restoran Fish Streat pada Aplikasi Zomato Menggunakan Stemming Nazief Adriani dan Naive Bayes Classifier. In Prosiding Sentrinov (Seminar Nasional Terapan Riset Inovatif) (Vol. 3, No. 1, pp. EB163-174).
Kosasih, R., & Alberto, A. (2021). Analisis Sentimen Produk Permainan Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor. InfoTekJar: Jurnal Nasional Informatika dan Teknologi Jaringan, 6(1), 134-139. DOI: https://doi.org/10.30743/infotekjar.v6i1.3893.
Muin, A. A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 2(1), 22-26.
Areni, I. S., Palantei, E., Suyuti, A., Baharuddin, M., Samman, F. A., & Umraeni, A. E. (2019). Pengembangan dan implementasi smart campus berbasis smart card di Institut Agama Islam Negeri Bone. JURNAL TEPAT: Teknologi Terapan untuk Pengabdian Masyarakat, 2(1), 1-7. DOI: https://doi.org/10.25042/jurnal_tepat.v2i1.51.
Flores, V. A., Jasa, L., & Linawati, L. (2020). Analisis Sentimen untuk Mengetahui Kelemahan dan Kelebihan Pesaing Bisnis Rumah Makan Berdasarkan Komentar Positif dan Negatif di Instagram. Majalah Ilmiah Teknologi Elektro, 19(1), 49.
Wisnu, G. R. G., Muttaqi, A. R., Santoso, A. B., Putra, P. K., & Budi, I. (2020, October). Sentiment analysis and topic modelling of 2018 central java gubernatorial election using twitter data. In 2020 International Workshop on Big Data and Information Security (IWBIS) (pp. 35-40). IEEE. DOI: 10.1109/IWBIS50925.2020.9255583.
Fitriyyah, S. N. J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 5(3), 279-285. DOI: http://dx.doi.org/10.26418/jp.v5i3.34368.
Wahyudi, R., & Kusumawardhana, G. (2021). Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine. Jurnal Informatika, 8(2), 200-207.
Hendriyanto, M. D., Ridha, A. A., & Enri, U. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine. INTECOMS: Journal of Information Technology and Computer Science, 5(1), 1-7. DOI: https://doi.org/10.31539/intecoms.v5i1.3708
Tanggraeni, A. I., & Sitokdana, M. 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. DOI: https://doi.org/10.35957/jatisi.v9i2.1835.
Saini, S., Punhani, R., Bathla, R., & Shukla, V. K. (2019, April). Sentiment analysis on twitter data using R. In 2019 International Conference on Automation, Computational and Technology Management (ICACTM) (pp. 68-72). IEEE.
Apriani, R., & Gustian, D. (2019). Analisis Sentimen dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54-62. DOI: https://doi.org/10.52005/rekayasa.v6i1.86.
Pratama, M. O., Satyawan, W., Jannati, R., Pamungkas, B., Syahputra, M. E., & Neforawati, I. (2019, April). The sentiment analysis of Indonesia commuter line using machine learning based on twitter data. In Journal of Physics: Conference Series (Vol. 1193, No. 1, p. 012029). IOP Publishing.
Syafa'at, M. H., Setyaningsih, E. R., & Kristian, Y. (2021). Svm Untuk Sentiment Analysis Calon Kepala Daerah Berdasar Data Komentar Video Debat Pilkada Di Youtube. Antivirus: Jurnal Ilmiah Teknik Informatika, 15(2), 262-276.
Yusnitasari, T., Ikasari, D., Pratiwi, E. E. S., & Ramdani, N. S. (2017, November). Analisis Sentimen Terhadap Review Restoran Fish Streat pada Aplikasi Zomato Menggunakan Stemming Nazief Adriani dan Naive Bayes Classifier. In Prosiding Sentrinov (Seminar Nasional Terapan Riset Inovatif) (Vol. 3, No. 1, pp. EB163-174).
Kosasih, R., & Alberto, A. (2021). Analisis Sentimen Produk Permainan Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor. InfoTekJar: Jurnal Nasional Informatika dan Teknologi Jaringan, 6(1), 134-139. DOI: https://doi.org/10.30743/infotekjar.v6i1.3893.
Muin, A. A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar, 2(1), 22-26.