ANALISIS SENTIMEN PENGGUNA APLIKASI SHOPEE PADA GOOGLE PLAY STORE MENGGUNAKAN METODE RANDOM FOREST
DOI:
https://doi.org/10.55123/storage.v4i3.6027Keywords:
Analisis Sentimen, Random Forest, Kepuasan Pelanggan, Shopee, Play StoreAbstract
Penelitian ini berfokus pada analisis sentimen untuk mengevaluasi kepuasan pelanggan terhadap aplikasi Shopee, dengan menggunakan komentar-komentar yang diunggah di Google Play Store sebagai sumber data utama. Sebanyak 5.000 data komentar dikumpulkan dalam rentang waktu yang relevan, yaitu dari Desember 2024 hingga Maret 2025. Metodologi yang diterapkan adalah klasifikasi dengan menggunakan algoritma Random Forest Classifier. Hasil analisis menunjukkan bahwa sentimen dominan yang diekspresikan oleh pengguna adalah positif, yang mengindikasikan tingkat kepuasan yang baik terhadap aplikasi tersebut. Model Random Forest yang digunakan berhasil mencapai nilai akurasi sebesar 88%. Angka ini menunjukkan bahwa algoritma tersebut cukup efektif dalam mengklasifikasikan sentimen komentar pengguna. Sebagai kontribusi utama, penelitian ini menyediakan wawasan terkini mengenai persepsi pelanggan berkat penggunaan data yang sangat baru. Temuan ini tidak hanya memvalidasi efektivitas Random Forest dalam tugas analisis sentimen, tetapi juga memberikan informasi berharga bagi pihak Shopee untuk memahami pandangan pengguna dan membuat keputusan strategis guna meningkatkan layanan.
Downloads
References
Rizky, I. and Mahfudz, A. (2022) ‘Sebagai Variabel Intervening (Studi Pada Pengguna Shopee Di Kota Semarang)’, Diponegoro J. Manag., 11(1), pp. 1–13. Tersedia pada: https://ejournal3.undip.ac.id/index.php/djom/index.
Putra, R.F. and Sumarno (2022) ‘Aplikasi Sistem Pakar Perencanaan Investasi Pasar Modal Menggunakan Metode Forward Chaining Berbasis Website’, Procedia Eng. Life Sci., 3(December).
Arsi, P., Wahyudi, R. and Waluyo, R. (2021) ‘Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia’, J. RESTI (Rekayasa Sist. dan Teknol. Informasi), 5(2), pp. 231–237. doi: 10.29207/resti.v5i2.2698.
Amaliah, S., Nusrang, M. and Aswi, A. (2022) ‘Penerapan Metode Random Forest Untuk Klasifikasi Varian Minuman Kopi di Kedai Kopi Konijiwa Bantaeng’, VARIANSI J. Stat. Its Appl. Teach. Res., 4(3), pp. 121–127. doi: 10.35580/variansiunm31.
Gifari, O.I. et al. (2022) ‘Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine’, J. Inf. Technol., 2(1), pp. 36–40. doi: 10.46229/jifotech.v2i1.330.
Mahmuda, S. (2024) ‘Implementasi Metode Random Forest pada Kategori Konten Kanal Youtube’, J. Jendela Mat., 2(01), pp. 21–31. doi: 10.57008/jjm.v2i01.633.
Vonega, D.A., Fadila, A. and Kurniawan, D.E. (2022) ‘Analisis Sentimen Twitter Terhadap Opini Publik Atas Isu Pencalonan Puan Maharani dalam PILPRES 2024’, J. Appl. Informatics Comput., 6(2), pp. 129–135. doi: 10.30871/jaic.v6i2.4300.
Wardani, N.S., Prahutama, A. and Kartikasari, P. (2020) ‘Analisis Sentimen Pemindahan Ibu Kota Negara Dengan Klasifikasi Naïve Bayes Untuk Model Bernoulli Dan Multinomial’, J. Gaussian, 9(3), pp. 237–246. doi: 10.14710/j.gauss.v9i3.27963.
Kurniawan, I. and Susanto, A. (2019) ‘Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019’, Eksplora Inform., 9(1), pp. 1–10. doi: 10.30864/eksplora.v9i1.237.
Alvanof, M.M. and Dinata, R.K. (2024) ‘Penerapan Algoritma Random Forest dalam Deteksi dan Klasifikasi Ransomware’, 5(2).
Siregar, A.P. et al. (2023) ‘Implementasi Algoritma Random Forest Dalam Klasifikasi Diagnosis Penyakit Stroke’, J. Penelit. Rumpun Ilmu Tek., 2(4), pp. 155–164. doi: 10.55606/juprit.v2i4.3039.
Erkamim, M. et al. (2023) ‘Komparasi Algoritme Random Forest dan XGBoosting dalam Klasifikasi Performa UMKM’, J. Sist. Inf. Bisnis, 13(2), pp. 127–134. doi: 10.21456/vol13iss2pp127-134.
Puspitasari, R., Findawati, Y. and Rosid, M.A. (2023) ‘Sentiment Analysis of Post-Covid-19 Inflation Based on Twitter Using the K-Nearest Neighbor and Support Vector Machine Classification Methods’, J. Tek. Inform., 4(4), pp. 669–679. doi: 10.52436/1.jutif.2023.4.4.801.
Fauzan, A. et al. (2021) ‘Pengembangan Aplikasi Virtual Tour sebagai Media Pengenalan Lingkungan Kampus PENS berbasis Website’, J. Teknol. Terpadu, 7(1), pp. 23–30. doi: 10.54914/jtt.v7i1.341.
Wahyuningtias, P. et al. (2022) ‘COMPARISON OF RANDOM FOREST AND SUPPORT VECTOR MACHINE METHODS ON TWITTER SENTIMENT ANALYSIS ( CASE STUDY : INTERNET SELEBGRAM RACHEL VENNYA ESCAPE FROM QUARANTINE ) PERBANDINGAN METODE RANDOM FOREST DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TWITT’, J. Tek. Inform., 3(1), pp. 141–145.
Mukarramah, R., Atmajaya, D. and Ilmawan, L.B. (2021) ‘Performance comparison of support vector machine (SVM) with linear kernel and polynomial kernel for multiclass sentiment analysis on twitter’, Ilk. J. Ilm., 13(2), pp. 168–174. doi: 10.33096/ilkom.v13i2.851.168-174.
Warjiyono et al. (2024) ‘Analisa Prediksi Harga Jual Rumah Menggunakan Algoritma Random Forest Machine Learning’, JURSISTEKNI (Jurnal Sist. Inf. dan Teknol. Informasi), 6(2), pp. 416–423.
Aditya, M.F.R., Lutvi, N. and Indahyanti, U. (2024) ‘Prediksi Penyakit Hipertensi Menggunakan Metode Decison Tree dan Random Forest’, J. Ilm. Komputasi, 23(1), pp. 9–16. doi: 10.32409/jikstik.23.1.3503.
Hidayat, H., Sunyoto, A. and Al Fatta, H. (2023) ‘Klasifikasi Penyakit Jantung Menggunakan Random Forest Clasifier’, J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), 7(1), pp. 31–40. doi: 10.47970/siskom-kb.v7i1.464.
Bin, A., Alkatiri, M. and Nasution, A.N.S. (2020) ‘OPINI PUBLIK TERHADAP PENERAPAN NEW NORMAL DI MEDIA SOSIAL TWITTER’, J. Strateg. Commun., 11(1).
Dikiyanti, T.D., Rukmi, A.M. and Irawan, M.I. (2021) ‘Sentiment analysis and topic modeling of BPJS Kesehatan based on twitter crawling data using Indonesian Sentiment Lexicon and Latent Dirichlet Allocation algorithm’, J. Phys. Conf. Ser., 1821(1). doi: 10.1088/1742-6596/1821/1/012054.
Ardhani, B.A., Chamidah, N. and Saifudin, T. (2021) ‘Sentiment Analysis Towards Kartu Prakerja Using Text Mining with Support Vector Machine and Radial Basis Function Kernel’, J. Inf. Syst. Eng. Bus. Intell., 7(2), p. 119. doi: 10.20473/jisebi.7.2.119-128.
Khairunnisa, S., Adiwijaya, A. and Al Faraby, S. (2021) ‘Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19)’, J. Media Inform. Budidarma, 5(2), p. 406. doi: 10.30865/mib.v5i2.2835.
Dwiki, A. et al. (2021) ‘Analisis Sentimen Pada Ulasan Pengguna Aplikasi Bibit Dan Bareksa Dengan Algoritma KNN’, J. Tek. Inform. dan Sist. Inf., 8(2), pp. 636–646.
Hidayati, N., Suntoro, J. and Setiaji, G.G. (2021) ‘Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISP-DM’, J. Sains dan Inform., 7(2), pp. 117–126. doi: 10.34128/jsi.v7i2.313.
Afdal, M. and Elita, L.R. (2022) ‘Penerapan Text Mining Pada Aplikasi Tokopedia Menggunakan Algoritma K-Nearest Neighbor’, J. Ilm. Rekayasa dan Manaj. Sist. Inf., 8(1), pp. 78–87.
Laurensz, B. and Sediyono, E. (2021) ‘Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19’, J. Nas. Tek. Elektro dan Teknol. Inf., 10(2), pp. 118–123. doi: 10.22146/jnteti.v10i2.1421.
Pamungkas, B., Purbaya, M.E. and K, D.J.A. (2021) ‘Analisis Sentimen Twitter Menggunakan Metode Support Vector Machine ( SVM ) pada’, J. Informatics, Inf. Syst. Softw. Eng. Appl., 3(2), pp. 10–20.
Kurniasih, U. and Suseno, A.T. (2022) ‘Analisis Sentimen Terhadap Bantuan Subsidi Upah ( BSU ) pada Kenaikan Harga Bahan Bakar Minyak ( BBM )’, J. Media Inform. Budidarma, 6(4), pp. 2335–2340. doi: 10.30865/mib.v6i4.4958.
Herdiyani, T.C. and Zailani, A.U. (2022) ‘Sentiment Analysis Terkait Pemindahan Ibu Kota Indonesia Menggunakan Metode Random Forest Berdasarkan Tweet Warga Negara Indonesia’, J. Teknol. Sist. Inf., 3(2), pp. 154–165. doi: 10.35957/jtsi.v3i2.2920.
Rania, N.Z. and Syah, R.D. (2024) ‘Analisis Sentimen Terhadap Aplikasi Gojek Pada Play Store Menggunakan Metode Random Forest Classifier’, J. Ilm. Inform. Komput., 29(2), pp. 144–153. doi: 10.35760/ik.2024.v29i2.11877.
Alita, D. and Isnain, A.R. (2020) ‘Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier’, J. Komputasi, 8(2), pp. 50–58. doi: 10.23960/komputasi.v8i2.2615.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Zainal Abidin, Mochammad Alfan Rosid, Ade Eviyanti
This work is licensed under a Creative Commons Attribution 4.0 International License.
