Analisis Sentimen Ulasan Pelanggan Aplikasi Hokben Di Google Playstore Menggunakan Metode Support Vector Machine
Article Metrics
Abstract view : 489 timesAbstract
Perkembangan teknologi informasi mendorong berbagai perusahaan untuk memberikan layanan digital yang praktis dan efisien. Salah satu bentuk layanan tersebut adalah aplikasi pemesanan makanan berbasis seluler seperti HokBen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi HokBen di Google Playstore menggunakan metode text mining dan algoritma klasifikasi Support Vector Machine (SVM). Data diperoleh melalui teknik web scraping dengan memanfaatkan perpustakaan google-play-scraper untuk mengumpulkan 1.500 komentar pengguna. Komentar yang dikumpulkan diproses melalui tahap prapemrosesan teks, yang mencakup pembersihan teks, normalisasi, tokenisasi, penghapusan kata henti, dan stemming. Setelah itu, data diberi label menggunakan metode VADER Lexicon menjadi dua kategori: positif dan negatif. Hasil pelabelan menunjukkan bahwa 835 komentar positif dan 651 negatif. Data kemudian diubah menjadi representasi numerik menggunakan metode TF-IDF (Term Frequency-Inverse Document Frequency) sebelum dimasukkan ke dalam model klasifikasi SVM. Proses evaluasi dilakukan dengan matriks kebingungan dan menghasilkan akurasi 76,85%, presisi 76,72%, recall 67,94%, dan skor F1 72,09%. Hasil ini menunjukkan bahwa model SVM cukup efektif dalam mengklasifikasikan opini pengguna tentang aplikasi HokBen. Penelitian ini dapat dijadikan dasar untuk mengevaluasi kinerja aplikasi berdasarkan ulasan pengguna dan membantu pengambilan keputusan dalam pengembangan layanan digital di masa mendatang.
References
Azmi, T. A. U., Hakim, L., Novitasari, D. C. R., & Utami, W. D. U. D. (2023). Application Random Forest Method for Sentiment Analysis in Jamsostek Mobile Review. Telematika, 20(1), 117. https://doi.org/10.31315/telematika.v20i1.8868
Bimantara, M. D., & Zufria, I. (2024). Text Mining Sentiment Analysis On Mobile Banking Application Reviews Using TF-IDF Method With Natural Language Processing Approach. 5(1). https://doi.org/10.35877/454RI.jinav2772
Dahnial. (2024). PENERAPAN METODE CLUSTERING K-MEANS TERHADAP DOSEN BERDASARKAN PUBLIKASI JURNAL NASIONAL DAN TERAKREDITASI SINTA. Jurnal Sistem Informasi, 16(1).
DEWI, S. R., & MAHFUDZ, M. (2023). PENGARUH PERSEPSI HARGA, KUALITAS PRODUK, DAN PROMOSI TERHADAP KEPUTUSAN PEMBELIAN (Studi pada Pembelian Produk Avoskin). 1(5), 173–182.
Isnain, A. R., Supriyanto, J., & Kharisma, M. P. (2021). Implementation of K-Nearest Neighbor (K-NN) Algorithm For Public Sentiment Analysis of Online Learning. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(2), 121. https://doi.org/10.22146/ijccs.65176
Kurniawan, F., & Wibawa, A. P. (2021). Text Mining Techniques for Identify Islamophobic Conversation Language by Selecting Preprocessing Feature. Research Square, 1–9. https://www.researchsquare.com/article/rs-1105114/latest.pdf
Lubis, A. H. (2023). Islamophobia Sentiment Classification Using Support Vector Machine. Journal of Intelligent Computing & Health Informatics, 3(2), 47. https://doi.org/10.26714/jichi.v3i2.11179
Luki Hidayat, & Lia Amalia. (2023). Creating Customer Loyalty Through Antecedents of Customer Satisfaction at Hoka-Hoka Bento Fast Food Restaurants. Formosa Journal of Sustainable Research, 2(4), 939–976. https://doi.org/10.55927/fjsr.v2i4.3538
Miftahusalam, A., Pratiwi, H., & Slamet, I. (2023). Perbandingan Metode Random Forest dan Naive Bayes pada Analisis Sentimen Review Aplikasi BCA Mobile. SIPTEK : Seminar Nasional Inovasi Dan Pengembangan Teknologi Pendidikan, 1(1), 1–8.
Muktafin, E. H., Kusrini, K., & Luthfi, E. T. (2020). Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing. Jurnal Eksplora Informatika, 10(1), 32–42. https://doi.org/10.30864/eksplora.v10i1.390
Munasatya, N., & Novianto, S. (2020). Natural Language Processing untuk Sentimen Analisis Presiden Jokowi Menggunakan Multi Layer Perceptron. Techno.Com, 19(3), 237–244. https://doi.org/10.33633/tc.v19i3.3630
Nugroho, A., & Kurniadi, N. T. (2024). Sentiment Analysis of Starlink on Twitter Using Support Vector Machine Algorithm Journal of Computer Networks , Architecture and High Performance Computing. Journal of Computer Networks, Architecture and High Performance Computing, 6(3), 1321–1332.
Nur Adhan, S., Wibawa, G. N. A., Arisona, D. C., Yahya, I., & Ruslan, R. (2024). Analisis Sentimen Ulasan Aplikasi Wattpad Di Google Play Store Dengan Metode Random Forest. AnoaTIK: Jurnal Teknologi Informasi Dan Komputer, 2(1), 6–15. https://doi.org/10.33772/anoatik.v2i1.32
Puji Astuti, A., Alam, S., & Jaelani, I. (2022). Komparasi Algoritma Support Vector Machine dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo. Jurnal Bangkit Indonesia, 11(2), 1–6. https://doi.org/10.52771/bangkitindonesia.v11i2.196
Ramlan, R., Satyahadewi, N., & Andani, W. (2023). Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM. Jambura Journal of Mathematics, 5(2), 431–445. https://doi.org/10.34312/jjom.v5i2.20860
Sapanji, R. A. E. V. T., Hamdani, D., & Harahap, P. (2023). Sentiment Analysis of the Top 5 E-commerce Platforms in Indonesia using Text Mining and Natural Language Processing (NLP). Journal of Applied Informatics and Computing, 7(2), 202–211. https://doi.org/10.30871/jaic.v7i2.6517
Setiawan, A. (2022). Pengaruh Kualitas Produk dan Kualitas Layanan Terhadap Kepuasan Pelanggan di Restoran Hoka Hoka Bento. Jurnal Riset Manajemen Dan Bisnis, 11(3), 201–210.
Zuriel, H. P. P. R., & Fahrurozi, A. (2021). Implementasi Algoritma Klasifikasi Support Vector Machine Untuk Analisa Sentimen Pengguna Twitter Terhadap Kebijakan Psbb. Jurnal Ilmiah Informatika Komputer, 26(2), 149–162. https://doi.org/10.35760/ik.2021.v26i2.4289
Copyright (c) 2025 Ryo Vikri Alif, Abdul Halim Hasugian
This work is licensed under a Creative Commons Attribution 4.0 International License.
