Analisis Sentimen Aplikasi Home Credit Pada Ulasan Pengguna di Google Play Store Dengan Metode Support Vector Machine Dan K-Nearest Neighbor.

• Arman Adiansyah
• 2023

---

Dalam era teknologi, mencari pembiayaan finansial semakin mudah melalui aplikasi mobile seperti Home Credit. Aplikasi ini telah diunduh oleh lebih dari 10 juta pengguna Android dengan peringkat keseluruhan 4,4 di Google Play Store. Untuk membantu meninjau aplikasi, pengguna dapat memberikan ulasan dan penilaian di Google Play Store. Namun, dengan banyaknya ulasan, diperlukan analisis sentimen untuk mempermudah pemahaman. Dalam penelitian ini, dilakukan analisis sentimen menggunakan metode Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) pada data ulasan dari Google Play Store. Data yang diambil berjumlah 2.845 dengan informasi tentang skor dan komentar. Sentimen positif dan negatif ditentukan berdasarkan skor, dengan skor 4 dan 5 untuk sentimen positif, serta skor 1, 2, dan 3 untuk sentimen negatif. Setelah tahap preprocessing dan penghitungan tf-idf, dilakukan perhitungan menggunakan algoritma SVM dan KNN. Hasilnya menunjukkan bahwa metode SVM memiliki presisi 89%, recall 86%, F1-score 87%, dan akurasi 88%. Sementara metode KNN memiliki presisi 79%, recall 80%, F1-score 79%, dan akurasi 79%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa metode Support Vector Machine lebih baik dalam melakukan analisis sentimen dalam penelitian ini.

• Analisis Sentimen
• Support Vector Machine
• K-Nearest Neighbor

Angreni, I. A., Adisasmita, S. A., Ramli, M. I., & Hamid, S. (2019). PENGARUH

NILAI K PADA METODE K-NEAREST NEIGHBOR (KNN) TERHADAP

TINGKAT AKURASI IDENTIFIKASI KERUSAKAN JALAN. Rekayasa

Sipil, 7(2), 63. https://doi.org/10.22441/jrs.2018.v07.i2.01 

 

Annur, A. A., Alim Murtopo, A., & Fadilah, N. (2022). ANALISIS SENTIMEN APLIKASI E-LEARNING QUIPPER SELAMA PANDEMI COVID-19 DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

(SVM). In Ahsinil Amal Annur IJIR (Vol. 3, Issue 2).

 

Anwar, K. (2022). KLIK: Kajian Ilmiah Informatika dan Komputer Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(4), 148–155.

https://djournals.com/klik

 

Aulia, H., Syifa, N., Nugroho, A., Firliana, R., Algoritma, P., & Bayes, N. (2023). Habibi Aulia Nur Syifa Perbandingan Algoritma Naïve Bayes Classifier Dan KNearest Neighbors Untuk Analisis Sentimen Covid-19 Di Twitter. Jurnal Ilmiah Informatika.

 

Chohan, S., Nugroho, A., Maezar Bayu Aji, A., Gata, W., & Nusa Mandiri, S.

(2020). Analisis Sentimen Aplikasi Duolingo Menggunakan Metode Naïve

Bayes dan Synthetic Minority Over Sampling Technique. Jurnal Informatika Dan Komputer, 22(2). https://doi.org/10.31294/p.v21i2

 

Diandra Audiansyah, D., Eka Ratnawati, D., & Trias Hanggara, B. (2022). Analisis Sentimen Aplikasi MyXL menggunakan Metode Support Vector Machine berdasarkan Ulasan Pengguna di Google Play Store. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(8), 3987–3994. http://jptiik.ub.ac.id

 

Dogucu, M., & Çetinkaya-Rundel, M. (2020). Web Scraping in the Statistics and Data Science Curriculum: Challenges and Opportunities. Journal of Statistics Education. https://doi.org/10.1080/10691898.2020.1787116

 

Fajar, R., Program, S., Rekayasa, P., Lunak, N., & Bengkalis, R. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. Jurnal INOVTEK POLBENG-SERI INFORMATIKA, 3(1).

 

Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60.

https://doi.org/10.47233/jteksis.v5i1.750

 

Google Play Store. (2023). myhomecredit. Home Credit Indonesia. https://play.google.com/store/apps/details?id=id.co.myhomecredit Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., Komputer STMIK Nusa Mandiri Jl Damai No, I., Jati Barat, W., & Selatan, J. (2020). ANALISIS SENTIMEN

ZOOM CLOUD MEETINGS DI PLAY STORE MENGGUNAKAN NAÏVE

BAYES DAN SUPPORT VECTOR MACHINE. Journal of Computer

Engineering System and Science, 5(2), 2502–2714.

 

Iwandini, I., Triayudi, A., & Soepriyono, G. (2023). Sawo Manila No.61, RW.7, Pejaten Bar. Journal of Information System Research, 4(2). https://doi.org/10.47065/josh.v4i2.2937

 

Kumala, I. S. I., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Penggunaan Aplikasi  Shopee Mengunakan Algoritma Support Vector  Machine

(SVM). Jambura Journal of Electrical and Electronics Engineering, 5(1), 32–

35. https://doi.org/10.1177/0165551510388123

 

Kurniawan T., & Syahrudin A. N. (2018).

JURNALDASARPEMROGRAMANINPUTDANOUTPUT. Jurnal Dasar

Pemograman Python STMIK, 1–2.

 

Kusuma, A., & Nurramdhani Irmanda, H. (2022). Analisis Sentimen Pada Ulasan Aplikasi Indodax di Google Play Store Menggunakan Metode Support Vector Machine. SENAMIKA.

 

Masturoh, S., Pratiwi, R. L., Saelan, M. R. R., & Radiyah, U. (2023).

APPLICATION OF THE K-NEAREST NEIGHBOR (KNN) ALGORITHM IN

SENTIMENT ANALYSIS OF THE OVO E-WALLET APPLICATION. JITK

(Jurnal Ilmu Pengetahuan Dan Teknologi Komputer), 8(2), 78–83. https://doi.org/10.33480/jitk.v8i2.3997

 

Muhammadin, A., & Sobari, I. A. (2021). Analisis Sentimen Pada Ulasan Aplikasi Kredivo Dengan Algoritma SVM Dan NBC. Jurnal Rekayasa Perangkat Lunak, 2(2). http://jurnal.bsi.ac.id/index.php/reputasi

 

Muttaqin, M. N., & Kharisudin, I. (2021). Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor.

UNNES Journal of Mathematics, 10(2), 22–27.

http://journal.unnes.ac.id/sju/index.php/ujm

 

Pamungkas, F. S., Prasetya, B. D., & Kharisudin, I. (2019). Perbandingan Metode Klasifikasi Supervised Learning pada Data Bank Customers Menggunakan Python. PRISMA, Prosiding Seminar Nasional Matematika, 3, 689–694.

https://journal.unnes.ac.id/sju/index.php/prisma/

 

Putri, D. S., Sentimen, A., Aplikasi, U., & Ridwan, T. (2023). Analisis Sentimen Ulasan Aplikasi Pospay dengan Algoritma Support Vector Machine. Jurnal Ilmiah Informatika.

 

Rangga, M., Nasution, A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. JURNAL INFORMATIKA, 6(2), 212–218. http://ejournal.bsi.ac.id/ejurnal/index.php/ji

 

Saepudin, A., Aryanti, R., & Fitriani, E. (2020). Optimasi Algoritma SVM Dan KNN Berbasis Particle Swarm Optimization Pada Analisis Sentimen Fenomena Tagar #2019GantiPresiden. Jurnal Teknik Komputer AMIK BSI.

https://doi.org/10.31294/jtk.v4i2

 

Sembiring, F., & Sari, D. P. (2019). Design process data storage and organize data scraping. INTEGRATED (Information Technology and Vocational Education), 1(1), 19–22.

 

Sumurrejo, S., Kota, K. G., Prov, S., & Tengah, J. (2023). PENERAPAN METODE

EKSPERIMEN PADA MATERI AJAR ORGAN PERNAFASAN MANUSIA

Namiyanto. In Jurnal Penelitian Pendidikan Indonesia (JPPI) (Vol. 8, Issue 1).

 

Syahputra, E. (2021, August 14). Bertahan saat-pandemi pengguna-home credit tembus 98 juta. CNBC Indonesia. https://www.cnbcindonesia.com/news/20211014161336-4-283946/bertahansaat-pandemi-pengguna-home-credit-tembus-98-juta

 

Wahyudi, R., Kusumawardhana, G., Purwokerto, A., Letjend, J., Soemarto, P., Purwanegara, K., Purwokerto, T., & Banyumas, K. (2021). Analisis Sentimen pada review Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine. JURNAL INFORMATIKA, 8(2).

http://ejournal.bsi.ac.id/ejurnal/index.php/ji