Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC

Rihan Maulana; Apriade Voutama; Taufik Ridwan

doi:10.54914/jtt.v9i1.609

Penulis

Rihan Maulana Universitas Singaperbangsa Karawang
Apriade Voutama Universitas Singaperbangsa Karawang
Taufik Ridwan Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.54914/jtt.v9i1.609

Kata Kunci:

Analisis Sentimen, Metode Klasifikasi, MyPertamina, Naïve Bayes Classifier, Text Mining

Abstrak

Aplikasi MyPertamina merupakan aplikasi layanan digital dari Pertamina dengan berbagai layanan yang digagas dan diciptakan untuk melakukan pembelian dalam bertransaksi bahan bakar kendaraan. Adanya aplikasi MyPertamina yang dibuat oleh PT Pertamina menimbulkan reaksi dan kritik dari beberapa pengguna aplikasi. Setiap pengguna memiliki berbagai opini terhadap aplikasi MyPertamina dibuktikan dengan peringkat bintang yang beragam dalam ulasan Google Play Store. Tujuan dari penelitian ini adalah untuk mengetahui sentimen pengguna aplikasi MyPertamina yang dibagi ke dalam dua kelas yaitu positif dan negative. Dataset dalam penelitian ini menggunakan hasil scraping dari ulasan pengguna pada Google Play Store. Data yang diambil untuk melakukan analisis sentimen yaitu pada rentang tanggal 1 Juli 2022 - 31 Juli 2022 dan dataset diambil dengan acak. Dataset tersebut dengan pengklasifikasian rating yaitu rating 4 dan 5 sebagai sentimen positif, rating 1, 2 dan 3 sebagai sentimen negatif. Pada penelitian kali ini akan menggunakan tools Google Colab dengan menggunakan bahasa pemrograman Python. Dataset yang digunakan sebanyak 5722 data berlabel positif dan negatif dengan pembagian data latih sebanyak 80% dan data uji sebanyak 20%. Hasil analisis sentimen aplikasi MyPertamina cenderung bersifat negative terhadap penggunaan aplikasi. Penelitian ini menggunakan klasifikasi dengan algoritma Naïve Bayes Classifier (NBC). Dengan menggunakan algoritma Naïve Bayes Classifier menghasilkan accuracy 87 %, precision 86%, recall 90%, dan f1-score 87%.

Unduhan

Data unduhan belum tersedia.

Referensi

F. M. Oktaviana, D. Wijayanto, and T. Wahyudi, “Pengaruh Social Marketing Campaign Terhadap Keputusan Konsumen Bertransaksi Menggunakan App Mypertamina Di Pontianak,” J. TIN, vol. 5, no. 1, pp. 23–29, 2021.

I. Saputra, T. Djatna, R. R. A. Siregar, D. A. Kristiyanti, H. R. Yani, and A. A. Riyadi, “Text Mining of PeduliLindungi Application Reviews on Google Play Store,” Fakt. Exacta, vol. 15, no. 2, pp. 101–108, 2022.

G. K. Locarso, “Analisis Sentimen Review Aplikasi Pedulilindungi pada Google Play Store Menggunakan NBC,” J. Tek. Inform. Kaputama, vol. 6, no. 2, 2022.

A. Voutama, “Perancangan Aplikasi M-Discussion Berbasis Android Sebagai Wadah Diskusi Sekolah,” Syntax J. Inform., vol. 7, no. 2, p. 116, 2018.

A. Voutama and E. Novalia, “Perancangan Aplikasi M-Magazine Berbasis Android Sebagai Sarana Mading Sekolah Menengah Atas,” J. Tekno Kompak, vol. 15, no. 1, pp. 104–115, Feb. 2021, Accessed: Oct. 28, 2022. [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/920

S. D. Purnamasari and F. Panjaitan, “Pengembangan Aplikasi E-Reporting Kerusakan Lampu Jalan berbasis Mobile,” Jusikom J. Sist. Komput. Musirawas, vol. 5, no. 1, pp. 59–69, 2020, doi: 10.32767/jusikom.v5i1.764.

D. Adhe, C. Rachman, R. Goejantoro, and D. Tisna, “Implementation Of Text Mining For Grouping Thesis Documents Using K-Means Clustering,” J. EKSPONENSIAL, vol. 11, no. 2, pp. 167–174, 2020.

A. Yoga Pratama et al., “Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja),” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 897–910, 2021.

Euis Saraswati, Yuyun Umaidah, and Apriade Voutama, “Penerapan Algoritma Artificial Neural Network untuk Klasifikasi Opini Publik Terhadap Covid-19,” Gener. J., vol. 5, no. 2, pp. 109–118, 2021, doi: 10.29407/gj.v5i2.16125.

Raksaka Indra Alhaqq, I Made Kurniawan Putra, and Yova Ruldeviyani, “Analisis Sentimen terhadap Penggunaan Aplikasi MySAPK BKN di Google Play Store,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 11, no. 2, pp. 105–113, 2022, doi: 10.22146/jnteti.v11i2.3528.

R. T. Aldisa and P. Maulana, “Analisis Sentimen Opini Masyarakat Terhadap Vaksinasi Booster COVID-19 Dengan Perbandingan Metode Naive Bayes, Decision Tree dan SVM,” Technol. Sci., vol. 4, no. 1, pp. 106–109, 2022, doi: 10.47065/bits.v4i1.1581.

U. Kusnia and F. Kurniawan, “Analisis Sentimen Review Aplikasi Media Berita OnlinePada Google Playmenggunakan Metode Algoritma Support Vector Machines (SVM) Dan Naive Bayes,” Explor. IT, vol. 14, no. 36, pp. 24–28, 2022.

R. Akbar, Bagus Muhammad; Akbar, Ahmad Taufiq; Husaini, “Analisis Sentimen dan Emosi Vaksin Sinovac pada Twitter Menggunakan Naïve Bayes dan Valence Shifter,” J. Teknol. Terpadu, vol. 7, no. 2, pp. 83–92, 2021, doi: https://doi.org/10.54914/jtt.v7i2.433.

D. P. Wilandini, “Penerapan Algoritma Naïve Bayes Dalam Mengklasifikasikan Media Sosial Untuk Mengamati Trend Kuliner,” J. Teknol. Terpadu, vol. 8, no. 1, pp. 31–39, 2022, doi: https://doi.org/10.54914/jtt.v8i1.535.

M. F. Andriansyah, D. Yusup, and A. Voutama, “Menggunakan Metode Naïve Bayes Berbasis Website Web-Based Expert System of Covid-19 Early Detection Using Naïve Bayes Method,” J. Inf. Technol. Comput. Sci., vol. 4, no. 2, pp. 446–455, 2021.

A. Voutama, “Sistem Antrian Cucian Mobil Berbasis Website Menggunakan Konsep CRM dan Penerapan UML,” Komputika J. Sist. Komput., vol. 11, no. 1, pp. 102–111, 2022, doi: 10.34010/komputika.v11i1.4677.