ANALISIS KEPUASAN PENGGUNA APLIKASI KESEHATAN PADA PLATFORM PLAY STORE MENGGUNAKAN METODE MACHINE LEARNING

• WAYAN EKA SAPUTRA
• 2025

---

Abstrak

Perkembangan teknologi digital telah mendorong peningkatan penggunaan aplikasi kesehatan berbasis mobile di Indonesia, seperti Halodoc, Alodokter, dan KlikDokter. Dalam upaya meningkatkan daya saing dan kualitas layanan, penting bagi penyedia aplikasi untuk memahami tingkat kepuasan pengguna melalui ulasan yang tersedia di Google Play Store. Penelitian ini bertujuan untuk menganalisis kepuasan pengguna terhadap aplikasi kesehatan dengan pendekatan analisis sentimen menggunakan metode machine learning. Data dikumpulkan melalui teknik web scraping terhadap ribuan ulasan pengguna, lalu dilakukan tahap preprocessing seperti cleaning, labeling, dan filtering hingga diperoleh 6.831 data ulasan. Tiga algoritma machine learning yang digunakan adalah Naïve Bayes, Decision Tree, dan K-Nearest Neighbors (K-NN), dengan evaluasi model dilakukan melalui 10-Fold Cross Validation menggunakan perangkat lunak Orange. Hasil penelitian menunjukkan bahwa algoritma Decision Tree menghasilkan akurasi tertinggi sebesar 80,7%, diikuti oleh Naïve Bayes (80,6%), dan K-NN (79,4%). Masing-masing algoritma memiliki keunggulan dan kelemahan dalam klasifikasi sentimen positif dan negatif. Temuan ini memberikan rekomendasi strategis berbasis data bagi pengembang aplikasi dalam meningkatkan kualitas layanan serta kepuasan pengguna.

Abstract

The advancement of digital technology has driven the increasing use of mobile-based health applications in Indonesia, such as Halodoc, Alodokter, and KlikDokter. To enhance competitiveness and service quality, it is crucial for application providers to understand user satisfaction through reviews available on platforms like the Google Play Store. This study aims to analyze user satisfaction with health applications using sentiment analysis through machine learning methods. Data were collected via web scraping from thousands of user reviews, followed by preprocessing stages including cleaning, labeling, and filtering, resulting in a dataset of 6,831 reviews. Three machine learning algorithms—Naïve Bayes, Decision Tree, and K-Nearest Neighbors (K-NN)—were applied, with model evaluation conducted using 10-Fold Cross Validation in the Orange software. The results show that the Decision Tree algorithm achieved the highest accuracy of 80.7%, followed by Naïve Bayes (80.6%) and K-NN (79.4%). Each algorithm demonstrated its strengths and weaknesses in classifying positive and negative sentiments. The findings offer data-driven strategic recommendations for application developers to improve service quality and user satisfaction.

• Analisis Sentimen
• Aplikasi Kesehatan
• Google Play Store
• Machine Learning
• Naïve Bayes
• Decision Tr

https://repository.bsi.ac.id/repo/72178/ANALISIS-KEPUASAN-PENGGUNA-APLIKASI-KESEHATAN-PADA-PLATFORM-PLAY-STORE-MENGGUNAKAN--METODE-MACHINE-LEARNING
File full-text dikunci.