Analisis Sentimen Google Review terhadap Mutu Kualitas Pendidikan pada Perguruan Tinggi STIE Al-Washliyah Sibolga dengan Metode Lexicon dan Algoritma Naive Bayes
Keywords:
Analisis Sentimen, Naïve Bayes, Lexicon-Based, Google Review, Pendidikan Tinggi
Article Metrics
Abstract view : 349 timesAbstract
Perkembangan teknologi informasi telah mendorong masyarakat untuk menyampaikan opini terhadap institusi pendidikan melalui platform digital seperti Google Review. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap mutu layanan pendidikan di STIE Al-Washliyah Sibolga berdasarkan komentar Google Review dengan membandingkan dua pendekatan analisis sentimen, yaitu Lexicon-Based dan Naïve Bayes. Sebanyak 51 komentar dianalisis melalui tahapan praproses teks yang meliputi case folding, tokenisasi, stopwords removal, dan stemming. Hasil klasifikasi menunjukkan bahwa sebagian besar komentar bersentimen positif, dengan fokus pada kenyamanan lingkungan kampus, keramahan layanan, serta aksesibilitas lokasi. Model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa metode Naïve Bayes memiliki performa lebih unggul dengan akurasi sebesar 98%, recall 97,8%, dan F1-score 98,8%, dibandingkan Lexicon-Based yang hanya mencapai akurasi 94,1% dan F1-score 96,6%. Temuan ini menunjukkan bahwa citra STIE Al-Washliyah Sibolga di ruang digital sangat positif, serta algoritma Naïve Bayes layak digunakan sebagai pendekatan efektif dalam pemantauan opini publik terhadap perguruan tinggi berbasis data digital.
References
Adminlp2m. (2022). Analisis Sentimen (Sentiment Analysis) : Definisi, Tipe dan Cara Kerjanya. https://lp2m.uma.ac.id/2022/02/21/analisis-sentimen-sentiment-analysis-definisi-tipe-dan-cara-kerjanya/
Alzami, F., Paundrianagari, N. P., Pramunendar, R. A., Megantara, R. A., & Prabowo, D. P. (2020). Sentiment Analysis Untuk Deteksi Ujaran Kebencian Pada Domain Politik. Science and Engineering National Seminar, 5(Sens 5), 213–218. http://conference.upgris.ac.id/index.php/sens/article/view/1606%0Ahttp://conference.upgris.ac.id/index.php/sens/article/download/1606/711
Aulia, A. N., Wulandari, E., & Kholik, A. (2024). ANALISIS PERSEPSI MAHASISWA TERHADAP KUALITAS LAYANAN SISTEM INFORMASI AKADEMIK. 3, 9807–9815.
Aulia, G. N., & Patriya, E. (2019). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140–153. https://doi.org/10.35760/ik.2019.v24i2.2369
Budianita, E., Cynthia, E. P., Pranata, A., & Abimanyu, D. (2022). Pendekatan berbasis Machine Learning dan Leksikal Pada Analisis Sentimen. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI), 99–104. https://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/view/19137
Daffa, M., Haque, A., Hidayat, W. N., Atavia, I., Praditya, N., & Sabana, I. D. (2025). Analisis Sentimen Ulasan Google Universitas Amikom Purwokerto. 2(1), 257–266.
Erdianti, O. F., & Baharuddin, F. (2010). PENGARUH CITRA PERGURUAN TINGGI TERHADAP PENGAMBILAN KEPUTUSAN DALAM MEMILIH UNIVERSITAS 45 SURABAYA. 25–33.
Fauzi Akbar, R., Habibi, M., Winar Cahyo, P., & Alfi Sa’diya, N. (2023). Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua. Teknomatika: Jurnal Informatika Dan Komputer, 16(2), 73–79. https://doi.org/10.30989/teknomatika.v16i2.1247
Firda, H., Putra, P., Oktadini, N. R., Sevtiyuni, P. E., Sevtiyuni, P. E., Studi, P., Informasi, S., Komputer, F. I., Sriwijaya, U., Ilir, K. O., & Selatan, S. (2025). Perbandingan Pelabelan Rating - based dan Inset Lexicon - based dalam Analisis Sentimen Menggunakan SVM ( Studi Kasus : Ulasan Aplikasi GoBiz di Google Play Store ) Comparison of Rating - based and Inset Lexicon - based Labeling in Sentiment Analysis usin. 14, 516–528.
Hadi, N., & Sugiarto, D. (2025). Analisis Sentimen Pembangunan IKN pada Media Sosial X Menggunakan Algoritma SVM , Logistic Regression dan Naïve Bayes. 10(1), 37–49. https://doi.org/10.30591/jpit.v10i1.7106
Ismail, A. R., & Raden Bagus Fajriya Hakim. (2023). Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter. Emerging Statistics and Data Science Journal, 1(1), 37–46. https://doi.org/10.20885/esds.vol1.iss.1.art5
Kurmasih, M., Rahaningsih, N., Danar Dana, R., & Dienwati Nuris, N. (2024). Analisis Sentimen Terhadap Opini Patriarki Menggunakan Metode Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3095–3100. https://doi.org/10.36040/jati.v8i3.8798
Muhammadi, R. H., Laksana, T. G., & Arifa, A. B. (2022). Combination of Support Vector Machine and Lexicon-Based Algorithm in Twitter Sentiment Analysis. Khazanah Informatika : Jurnal Ilmu Komputer Dan Informatika, 8(1), 59–71. https://doi.org/10.23917/khif.v8i1.15213
Mulya, I., & Karyati, C. M. (2020). Analisis Sentimen Terhadap Universitas Gunadarma Berdasarkan Opini Pengguna Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Ilmiah Komputasi, 19(4), 507–521. https://doi.org/10.32409/jikstik.19.4.354
Prakash, T. N., & Aloysius, A. (2021). Textual Sentiment Analysis using Lexicon Based Approaches. Annals of the Romanian Society for Cell Biology, 25(December), 9878–9885. http://annalsofrscb.ro/index.php/journal/article/view/3734
Pramesti, A. (2021). Implementasi Smote Untuk Mengatasi Imbalanced Data Pada Analisis Sentimen Review Restoran Dengan Membandingkan Metode Lexicon Based Dan Naive Bayes (Studi Kasus : Data Ulasan Google Tentang Restoran Mie Gacoan Cabang Kotabaru, Yogyakarta Tahun 2021). https://dspace.uii.ac.id/handle/123456789/41107?show=full
Pramita, A. G., & Nugraha, F. (2024). SISTEM ANALISIS SENTIMEN PRODUK PADA APLIKASI LAZADA MENGGUNAKAN METODE NAIVE BAYES. 14(1), 23–30.
Prasetyo, M. R., & Fahrurozi, A. (2023). Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning. Jurnal Ilmiah Informatika Komputer, 28(3), 203–217. https://doi.org/10.35760/ik.2023.v28i3.9761
Prayuda, M. W., & Permana, A. A. (2022). Penerapan Metode Lexicon Based untuk Menganalisis Sentimen Terhadap Mudik Lebaran. Jurnal Minfo Polgan, 11(2), 137–143. https://doi.org/10.33395/jmp.v11i2.12348
Pricylia, C., Mulya, A., & Arinal, V. (2025). Analisis Sentimen Terhadap Sistem Informasi Akademik Mahasiswa pada Aplikasi Edlink dengan Metode K-Nearest. 9(March), 142–148.
Rafid, F. A., Haadiy, H. ‘Zada M. Al, Salsabila, A. A. S., & Sari, A. P. (2024). Analisis Sentimen Berbasis Lexicon Dan Pemodelan Sistem Dengan Lda Terhadap Perguruan Tinggi Upn “Veteran” Jawa Timur Pada Google Review. Jurnal Ilmiah Informatika Komputer, 29(2), 212–223. https://doi.org/10.35760/ik.2024.v29i2.11582
Sadia, A., Khan, F., & Bashir, F. (2018). An Overview of Lexicon-Based Approach For Sentiment Analysis. International Electrical Engineering Conference, 1(IEEC), 1–6.
SANTOSO, M. I., Dr Rian Farta Wijaya, S.Kom., M. K., & Dr Zulham Sitorus, S.Kom., M. K. (2024). ANALISIS SENTIMEN USER GOOGLE TERHADAP UNIVERSITAS PEMBANGUNAN PANCA BUDI BERDASARKAN ULASAN GOOGLE MENGGUNAKAN ALGORITMA NAIVE BAYES. Repository Universitas Pembangunan Panca Budi.
Saputra, S. (2024). Inovasi Teknologi Digital sebagai Penggerak Reformasi dalam Sistem Pendidikan. 2(4).
Taboada, M., Brooke, J., Tofiloski, M., Voll, K., & Stede, M. (2011). Lexicon-basedmethods for sentiment analysis. Computational Linguistics, 37(2), 267–307. https://doi.org/10.1162/COLI_a_00049
Yoestara dan Ismail. (2022). Peran Teknologi dan Komunikasi ( TIK ) dalam Proses Pembelajaran di MA Miftahul Ulum Kedungpanji memahami materi pelajaran dengan lebih baik , serta mempersiapkan mereka menghadapi TIK dalam proses pembelajaran di MA Miftahul Ulum Kedungpanji serta member. 3(3).
Alzami, F., Paundrianagari, N. P., Pramunendar, R. A., Megantara, R. A., & Prabowo, D. P. (2020). Sentiment Analysis Untuk Deteksi Ujaran Kebencian Pada Domain Politik. Science and Engineering National Seminar, 5(Sens 5), 213–218. http://conference.upgris.ac.id/index.php/sens/article/view/1606%0Ahttp://conference.upgris.ac.id/index.php/sens/article/download/1606/711
Aulia, A. N., Wulandari, E., & Kholik, A. (2024). ANALISIS PERSEPSI MAHASISWA TERHADAP KUALITAS LAYANAN SISTEM INFORMASI AKADEMIK. 3, 9807–9815.
Aulia, G. N., & Patriya, E. (2019). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140–153. https://doi.org/10.35760/ik.2019.v24i2.2369
Budianita, E., Cynthia, E. P., Pranata, A., & Abimanyu, D. (2022). Pendekatan berbasis Machine Learning dan Leksikal Pada Analisis Sentimen. Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri (SNTIKI), 99–104. https://ejournal.uin-suska.ac.id/index.php/SNTIKI/article/view/19137
Daffa, M., Haque, A., Hidayat, W. N., Atavia, I., Praditya, N., & Sabana, I. D. (2025). Analisis Sentimen Ulasan Google Universitas Amikom Purwokerto. 2(1), 257–266.
Erdianti, O. F., & Baharuddin, F. (2010). PENGARUH CITRA PERGURUAN TINGGI TERHADAP PENGAMBILAN KEPUTUSAN DALAM MEMILIH UNIVERSITAS 45 SURABAYA. 25–33.
Fauzi Akbar, R., Habibi, M., Winar Cahyo, P., & Alfi Sa’diya, N. (2023). Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua. Teknomatika: Jurnal Informatika Dan Komputer, 16(2), 73–79. https://doi.org/10.30989/teknomatika.v16i2.1247
Firda, H., Putra, P., Oktadini, N. R., Sevtiyuni, P. E., Sevtiyuni, P. E., Studi, P., Informasi, S., Komputer, F. I., Sriwijaya, U., Ilir, K. O., & Selatan, S. (2025). Perbandingan Pelabelan Rating - based dan Inset Lexicon - based dalam Analisis Sentimen Menggunakan SVM ( Studi Kasus : Ulasan Aplikasi GoBiz di Google Play Store ) Comparison of Rating - based and Inset Lexicon - based Labeling in Sentiment Analysis usin. 14, 516–528.
Hadi, N., & Sugiarto, D. (2025). Analisis Sentimen Pembangunan IKN pada Media Sosial X Menggunakan Algoritma SVM , Logistic Regression dan Naïve Bayes. 10(1), 37–49. https://doi.org/10.30591/jpit.v10i1.7106
Ismail, A. R., & Raden Bagus Fajriya Hakim. (2023). Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter. Emerging Statistics and Data Science Journal, 1(1), 37–46. https://doi.org/10.20885/esds.vol1.iss.1.art5
Kurmasih, M., Rahaningsih, N., Danar Dana, R., & Dienwati Nuris, N. (2024). Analisis Sentimen Terhadap Opini Patriarki Menggunakan Metode Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3095–3100. https://doi.org/10.36040/jati.v8i3.8798
Muhammadi, R. H., Laksana, T. G., & Arifa, A. B. (2022). Combination of Support Vector Machine and Lexicon-Based Algorithm in Twitter Sentiment Analysis. Khazanah Informatika : Jurnal Ilmu Komputer Dan Informatika, 8(1), 59–71. https://doi.org/10.23917/khif.v8i1.15213
Mulya, I., & Karyati, C. M. (2020). Analisis Sentimen Terhadap Universitas Gunadarma Berdasarkan Opini Pengguna Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Ilmiah Komputasi, 19(4), 507–521. https://doi.org/10.32409/jikstik.19.4.354
Prakash, T. N., & Aloysius, A. (2021). Textual Sentiment Analysis using Lexicon Based Approaches. Annals of the Romanian Society for Cell Biology, 25(December), 9878–9885. http://annalsofrscb.ro/index.php/journal/article/view/3734
Pramesti, A. (2021). Implementasi Smote Untuk Mengatasi Imbalanced Data Pada Analisis Sentimen Review Restoran Dengan Membandingkan Metode Lexicon Based Dan Naive Bayes (Studi Kasus : Data Ulasan Google Tentang Restoran Mie Gacoan Cabang Kotabaru, Yogyakarta Tahun 2021). https://dspace.uii.ac.id/handle/123456789/41107?show=full
Pramita, A. G., & Nugraha, F. (2024). SISTEM ANALISIS SENTIMEN PRODUK PADA APLIKASI LAZADA MENGGUNAKAN METODE NAIVE BAYES. 14(1), 23–30.
Prasetyo, M. R., & Fahrurozi, A. (2023). Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning. Jurnal Ilmiah Informatika Komputer, 28(3), 203–217. https://doi.org/10.35760/ik.2023.v28i3.9761
Prayuda, M. W., & Permana, A. A. (2022). Penerapan Metode Lexicon Based untuk Menganalisis Sentimen Terhadap Mudik Lebaran. Jurnal Minfo Polgan, 11(2), 137–143. https://doi.org/10.33395/jmp.v11i2.12348
Pricylia, C., Mulya, A., & Arinal, V. (2025). Analisis Sentimen Terhadap Sistem Informasi Akademik Mahasiswa pada Aplikasi Edlink dengan Metode K-Nearest. 9(March), 142–148.
Rafid, F. A., Haadiy, H. ‘Zada M. Al, Salsabila, A. A. S., & Sari, A. P. (2024). Analisis Sentimen Berbasis Lexicon Dan Pemodelan Sistem Dengan Lda Terhadap Perguruan Tinggi Upn “Veteran” Jawa Timur Pada Google Review. Jurnal Ilmiah Informatika Komputer, 29(2), 212–223. https://doi.org/10.35760/ik.2024.v29i2.11582
Sadia, A., Khan, F., & Bashir, F. (2018). An Overview of Lexicon-Based Approach For Sentiment Analysis. International Electrical Engineering Conference, 1(IEEC), 1–6.
SANTOSO, M. I., Dr Rian Farta Wijaya, S.Kom., M. K., & Dr Zulham Sitorus, S.Kom., M. K. (2024). ANALISIS SENTIMEN USER GOOGLE TERHADAP UNIVERSITAS PEMBANGUNAN PANCA BUDI BERDASARKAN ULASAN GOOGLE MENGGUNAKAN ALGORITMA NAIVE BAYES. Repository Universitas Pembangunan Panca Budi.
Saputra, S. (2024). Inovasi Teknologi Digital sebagai Penggerak Reformasi dalam Sistem Pendidikan. 2(4).
Taboada, M., Brooke, J., Tofiloski, M., Voll, K., & Stede, M. (2011). Lexicon-basedmethods for sentiment analysis. Computational Linguistics, 37(2), 267–307. https://doi.org/10.1162/COLI_a_00049
Yoestara dan Ismail. (2022). Peran Teknologi dan Komunikasi ( TIK ) dalam Proses Pembelajaran di MA Miftahul Ulum Kedungpanji memahami materi pelajaran dengan lebih baik , serta mempersiapkan mereka menghadapi TIK dalam proses pembelajaran di MA Miftahul Ulum Kedungpanji serta member. 3(3).
Published
2025-07-28
How to Cite
Tanjung, M. R., Iqbal, M., & Sitorus, Z. (2025). Analisis Sentimen Google Review terhadap Mutu Kualitas Pendidikan pada Perguruan Tinggi STIE Al-Washliyah Sibolga dengan Metode Lexicon dan Algoritma Naive Bayes. Jurnal Multimedia Dan Teknologi Informasi (Jatilima), 7(02), 400-412. https://doi.org/10.54209/jatilima.v7i02.1549
Section
Articles
Copyright (c) 2025 Miftah Rusydi Tanjung, Muhammad Iqbal, Zulham Sitorus
This work is licensed under a Creative Commons Attribution 4.0 International License.
