Analisis Sentimen Ulasan Pengguna Aplikasi Gojek di Google Play Store Menggunakan Algoritma Naïve Bayes

Authors

  • Kahfi Andhika Pratama Teknik Informatika/Fakultas Ilmu Komputer, JL.Bhayangkara No.55, Tipes, Serengan, Surakarta, Jawa Tengah 57154
  • Vicky Galih Pmungkas Teknik Informatika/Fakultas Ilmu Komputer, JL.Bhayangkara No.55, Tipes, Serengan, Surakarta, Jawa Tengah 57154
  • Desta Putra Sandhiya Ependi Teknik Informatika/Fakultas Ilmu Komputer, JL.Bhayangkara No.55, Tipes, Serengan, Surakarta, Jawa Tengah 57154
  • Fahriyan Rizqi Hanandita Teknik Informatika/Fakultas Ilmu Komputer, JL.Bhayangkara No.55, Tipes, Serengan, Surakarta, Jawa Tengah 57154
  • Aprilisa Arum Sari Teknik Informatika/Fakultas Ilmu Komputer, JL.Bhayangkara No.55, Tipes, Serengan, Surakarta, Jawa Tengah 57154

Keywords:

Analisis Sentimen, Naïve Bayes, Google Play Store, Gojek, TF-IDF, Text Mining

Abstract

Gojek merupakan salah satu platform layanan berbasis teknologi terbesar di Indonesia yang melayani jutaan pengguna setiap harinya. Ulasan pengguna di Google Play Store menjadi sumber informasi penting untuk menilai kepuasan dan persepsi pengguna terhadap layanan yang diberikan. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Gojek di Google Play Store menggunakan algoritma Naïve Bayes. Dataset yang digunakan berjumlah 4.198 ulasan yang diperoleh dari platform Kaggle. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (case folding, pembersihan teks, tokenisasi, stopword removal, dan stemming), pembobotan fitur menggunakan TF-IDF, klasifikasi sentimen dengan Naïve Bayes, serta evaluasi model menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 85,4%, precision 84,7%, recall 85,1%, dan F1-Score 84,9%. Mayoritas ulasan pengguna bersifat positif, yang mengindikasikan tingkat kepuasan pengguna yang cukup tinggi terhadap aplikasi Gojek.

References

[1] D. R. Firmansyah dan E. Lestariningsih, “Analisis Sentimen Ulasan Aplikasi Smart Campus Unisbank di Google Play Store Menggunakan Algoritma Naive Bayes,” Jurnal Teknologi Informasi dan Komunikasi (JTIK), vol. 8, no. 2, 2024. https://doi.org/10.35870/jtik.v8i2.1882

[2] N. Agustina, D. H. Citra, W. Purnama, C. Nisa, dan A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 1, pp. 47–54, 2022. https://doi.org/10.57152/malcom.v2i1.195

[3] D. Pratmanto, F. F. D. Imaniawan, dan V. Maarif, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Identitas Kependudukan Digital Dengan Metode Naive Bayes Dan K-Nearest Neighbor,” Computatio: Journal of Computer Science and Information Systems, vol. 7, no. 2, 2023. DOI:https://doi.org/10.24912/computatio.v7i2.26322

[4] S. Fitrianti dan A. Yudhistira, “Analisis Sentimen Media Sosial Terhadap Calon Pilkada 2024 Dengan Metode Naïve Bayes,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 4, no. 6, 2024. DOI: https://doi.org/10.52436/1.jpti.610

[5] D. S. Nugroho, I. F. Hanif, M. A. Hasbi, Fredianto, A. M. Saputra, dan R. Zildjian, “Analisis Sentimen Dugaan Pelanggaran Pemilu 2024 Berdasarkan Tweet Menggunakan Algoritma Naïve Bayes Classifier,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 3, 2024. DOI: https://doi.org/10.57152/malcom.v4i3.1496

[6] H. C. Husada dan A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021. https://doi.org/10.34148/teknika.v10i1.311

[7] Y. Asri, W. N. Suliyanti, D. Kuswardani, dan M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam Menganalisis Sentimen Data Ulasan PLN Mobile,” PETIR, vol. 15, no. 2, pp. 264–275, 2022. https://doi.org/10.33322/petir.v15i2.1733

[8] C. H. Yutika, A. Adiwijaya, dan S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,” Jurnal Media Informatika Budidarma, vol. 5, no. 2, pp. 422–430, 2021. https://doi.org/10.30865/mib.v5i2.2845

[9] N. N. Saragih dan R. Kurniawan, “Analisis Sentimen Menggunakan Metode Naïve Bayes Tentang Program Mudik Gratis Pemerintah Kota Medan 2024,” CESS (Journal of Computer Engineering, System and Science), vol. 10, no. 1, 2025. DOI: https://doi.org/10.24114/cess.v10i1.65930

[10] M. R. Elfansyah, Rudiman, dan Fendy, “Perbandingan Metode K-Nearest Neighbor (KNN) dan Naive Bayes terhadap Analisis Sentimen pada Pengguna E-Wallet Aplikasi DANA Menggunakan Fitur Ekstraksi TF-IDF,” Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika, vol. 18, no. 2, 2024. https://doi.org/10.47111/jti.v18i2.15009

Downloads

Published

2026-07-25

Issue

Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026

Section

Articles