Analisis Sentimen Ulasan Pengguna Aplikasi Atma Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.70309/ticom.v14i1.171Keywords:
Analisis Sentimen, Aplikasi Atma, Naïve Bayes, SEMMAAbstract
Pada masa ini kemajuan teknologi digital telah mendorong munculnya berbagai aplikasi pencari kerja berbasis mobile, salah satunya adalah Atma. Aplikasi ini dirancang untuk memudahkan pengguna dalam mencari lowongan pekerjaan, khususnya di sektor food and beverage (F&B). Namun, beragamnya ulasan pengguna dan volume yang terus meningkat di Google Play Store membuat analisis manual menjadi lambat dan rawan subjektivitas, sehingga menyulitkan pengembang memahami kebutuhan pengguna secara akurat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Atma dengan menggunakan algoritma Naïve Bayes serta mengevaluasi performanya dalam mengklasifikasikan ulasan ke dalam kategori positif dan negatif. Pendekatan yang digunakan mengacu pada metode SEMMA (Sample, Explore, Modify, Model, Assess) dengan tahapan preprocessing teks, pembobotan menggunakan TF-IDF, dan penyeimbangan data menggunakan teknik SMOTE. Data yang dianalisis berjumlah 2000 ulasan, dan dilakukan tiga skenario pengujian berdasarkan rasio pembagian data latih dan data uji. Hasil pengujian menunjukkan bahwa akurasi algoritma meningkat secara signifikan setelah penerapan SMOTE. Akurasi tertinggi yang dicapai adalah sebesar 85,56% dengan proporsi 90% data latih dan 10% data uji. Temuan ini menunjukkan bahwa kombinasi Naïve Bayes, TF-IDF, dan SMOTE cukup efektif dalam melakukan analisis sentimen terhadap ulasan pengguna aplikasi. Penelitian ini diharapkan dapat memberikan masukan konstruktif bagi pengembang aplikasi dalam meningkatkan kualitas layanan sesuai kebutuhan pengguna.
References
D. S. Nurrochmah, N. Rahaningsih, R. D. Dana, and C. L. Rohmat, “Penerapan Algoritma Naive Bayes Dalam Analisis Sentimen Ulasan Aplikasi Kitalulus Di Google Play Store,” J. Inform. Terpadu, vol. 11, no. 1, pp. 1–11, 2025, doi: 10.54914/jit.v11i1.1544.
G. S. Al-Husna, D. Asmarajati, I. A. Ihsannuddin, and R. Mahmudati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Pada Ulasan Pengguna Aplikasi Linkedin,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 3, no. 2, pp. 139–144, 2024, doi: 10.55123/storage.v3i2.3602.
S. N. Adhan, G. N. A. Wibawa, D. C. Arisona, I. Yahya, Agusrawati, and Ruslan, “Analisis Sentimen Ulasan Aplikasi Wattpad Di Google Play Store Dengan Metode Random Forest,” AnoaTIK J. Teknol. Inf. dan Komput., vol. 2, no. 1, pp. 6–15, 2024, doi: 10.33772/anoatik.v2i1.32.
S. A. Bhat and N. F. Huang, “Big Data and AI Revolution in Precision Agriculture: Survey and Challenges,” IEEE Access, vol. 9, pp. 110209–110222, 2021, doi: 10.1109/ACCESS.2021.3102227.
M. R. Firdaus, N. Rahaningsih, and R. D. Dana, “Analisis Sentimen Aplikasi Shopee di Goole Play Store Menggunakan Klasifikasi Algoritma Naïve Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 228–237, 2024.
R. P. Kurniawan, Istiadi, and S. W. Iriananda, “Analisis Sentimen Ulasan Aplikasi LinkedIn Berbasis Lexicon dan Long Short-Term Memory (LSTM),” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2315–2324, 2025, doi: 10.36040/jati.v9i2.13042.
P. Mehta and S. Pandya, “A review on sentiment analysis methodologies, practices and applications,” Int. J. Sci. Technol. Res., vol. 9, no. 2, pp. 601–609, 2020.
M. Syukron, R. Santoso, and T. Widiharih, “Perbandingan Metode Smote Random Forest dan Smote Xgboost Untuk Klasifikasi Tingkat Penyakit Hepatitis C pada Imbalance Class Data,” J. Gaussian, vol. 9, no. 3, pp. 227–236, 2020, doi: 10.14710/j.gauss.9.3.227-236.
M. D. Alizah, A. Nugroho, U. Radiyah, and W. Gata, “Sentimen Analisis Terkait Lockdown pada Sosial Media Twitter,” Indones. J. Softw. Eng., vol. 6, no. 2, pp. 223–229, 2020, doi: 10.31294/ijse.v6i2.8991.
A. A. A. Miftachuddin and M. H. R. Fandany, “Analisis Sentimen Pengguna Aplikasi Cakap Belajar Online Menggunakan Algoritma Naive Bayes,” J. Prosisko, vol. 12, no. 1, 2025, doi: 10.30656/prosisko.v12i1.9117
L. Nursinggah, Ruuhwan, and T. Mufizar, “Analisis Sentimen Pengguna Aplikasi X Terhadap Program Makan Siang Gratis Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, pp. 1615–1622, 2024, doi: 10.23960/jitet.v12i3.4336.
R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” J. Manaj. Inform., vol. 13, no. 1, pp. 84–93, 2023, doi: 10.34010/jamika.v13i1.9424.
M. A. S. Nugroho, D. Susilo, and D. Retnoningsih, “Analisis sentimen ulasan aplikasi ”access by kai” menggunakan algoritma machine learning,” J. Tekinkom, vol. 7, no. 2, pp. 820–827, 2024, doi: 10.37600/tekinkom.v7i2.1854.
A. F. Anjani, D. Anggraeni, and I. M. Tirta, “Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ,” J. Nas. Teknol. dan Sist. Inf., vol. 9, no. 2, pp. 163–172, 2023, doi: 10.25077/teknosi.v9i2.2023.163-172.
M. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, 2022, doi: 10.35957/jatisi.v9i2.1835.
S. Muntazah, R. Astuti, and F. M. Basysyar, “Analisis Sentimen Implementasi Kurikulum Merdeka Tingkat SMP Di Kabupaten Ciamis Menggunakan Algoritma Naïve Bayes,” J. Elektron. dan Tek. Inform. Terap. (JENTIK), vol. 2, no. 1, pp. 06–20, 2024, doi: 10.59061/jentik.v2i1.625.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Risna Kurnia Permata Ramadani, Arya Soma Wicaksana, Nunung Hidayatun
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
CC BY-SA 4.0
Creative Commons Attribution-ShareAlike 4.0 International
This license requires that reusers give credit to the creator. It allows reusers to distribute, remix, adapt, and build upon the material in any medium or format, even for commercial purposes. If others remix, adapt, or build upon the material, they must license the modified material under identical terms.
BY: Credit must be given to you, the creator.
SA: Adaptations must be shared under the same terms.ng
