ANALISIS SENTIMEN ULASAN APLIKASI TRANSPORTASI ONLINE PADA GOOGLE PLAY STORE DENGAN MACHINE LEARNING

• MARIANUS MEZE
• 2026

---

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna dengan
pendekatan machine learning dan membandingkan performa algoritma untuk menentukan
model klasifikasi terbaik. Dengan layanan transportasi online dapat meningkatkan jumlah
ulasan pengguna pada platform digital yang mengandung opini penting bagi evaluasi
layanan. Namun, volume data yang besar menyulitkan analisis manual sehingga
diperlukan metode otomatis.
Data penelitian terdiri dari 11.604 ulasan dari google play store yang
diklasifikasikan menjadi sentimen positif dan negatif. Tahapan preprocessing meliputi
case folding, cleaning, tokenization, normalization, stopword removal, dan stemming.
Fitur diekstraksi menggunakan term frequency–inverse document frequency (tf-idf).
Penelitian ini membandingkan empat algoritma: Naïve bayes, k-nearest neighbor (KNN),
Support Vector Machine (SVM), dan Decision Tree. Evaluasi model menggunakan K-Fold
Cross Validation (K=10) dan pengujian pada data test.
Hasil penelitian menunjukkan bahwa algoritma naïve bayes memberikan performa
terbaik dengan tingkat akurasi sebesar 94%, serta nilai F1-score sebesar 0,94 pada data
uji. Hasil ini membuktikan bahwa naïve bayes mampu mengklasifikasikan sentimen
secara efektif dan konsisten. Dengan demikian, model ini dapat diandalkan sebagai solusi
otomatis bagi penyedia layanan transportasi online dalam memantau kepuasan pelanggan.

• Analisis Sentimen
• Transportasi Online
• Machine Learning
• TF-IDF
• Naïve Bayes.

https://repository.bsi.ac.id/repo/82395/ANALISIS-SENTIMEN-ULASAN-APLIKASI-TRANSPORTASI--ONLINE-PADA-GOOGLE-PLAY-STORE-DENGAN--MACHINE-LEARNING
Anda dapat membaca file tugas akhir ini di repository.