ANALISIS SENTIMEN PENGGUNA APLIKASI AGODA DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES
DOI:
https://doi.org/10.24076/joism.2025v7i1.2066Keywords:
Akurasi model, analisis sentimen, Agoda, Naive bayes, Ulasan penggunaAbstract
Kemajuan teknologi telah mendorong digitalisasi di berbagai sektor, termasuk e-commerce yang terus mengalami pertumbuhan pesat, khususnya di Indonesia dengan peningkatan 30,5% pada tahun 2024. Salah satu aplikasi yaiu Agoda telah diunduh lebih dari 50 juta kali sejak dirilis pada tahun 2011. Penelitian ini bertujuan untuk menganalisis ulasan pengguna aplikasi Agoda di Google Play Store menggunakan algoritma Naïve Bayes. Dari 7885 data ulasan yang dianalisis, ditemukan bahwa pengguna sering mengeluhkan masalah terkait pembatalan, pengembalian dana, proses pemesanan hotel, serta ketidakpuasan terhadap harga dan layanan. Hasil analisis menggunakan algoritma Naïve Bayes menunjukkan akurasi sebesar 91,9% pada skenario pembagian data 60:40 dan 50:50. Hasil ini menunjukkan efektivitas algoritma Naïve Bayes dalam menganalisis ulasan pengguna serta pentingnya pembagian data yang seimbang untuk meningkatkan akurasi model. Penelitian ini memberikan kontribusi dalam mengevaluasi kualitas layanan aplikasi Agoda dan mendukung pengembangan strategi peningkatan layanan melalui analisis data ulasan pengguna.
References
[1] Yega Meliza, W. E. Widiyanti, and U. N. Khasanah, "Literature Review : Pentingnya Penerapan Etika Bisnis Islam Dalam Kegiatan Transaksi E-Commerce Pada Marketplace Shopee", J. Manag. Innov. Entrep., vol. 1, no. 2, pp. 168–179, 2023.
[2] N. I. Purnama, L. P. Putri, and R. Bahagia, “Analisis E-Commerce Dalam Membantu Penjualan UMKM di Tengah Pandemi,” Ekon. J. Ilmu Ekon. dan Stud. Pembang., vol. 21, no. 2, pp. 194–200, 2021.
[3] B. P. Statistik, “Perkembangan Pariwisata April 2024,” Badan Pusat Statistik. 2024.
[4] P. Arsi, P. Subarkah, and B. A. Kusuma, “Analisis Sentimen Game Genshin Impact pada Play Store Menggunakan Naïve Bayes Clasifier,” J. Ilm. Tek. Mesin, Elektro dan Komput., vol. 3, no. 1 SE-Articles, 2023.
[5] S. Fauziah, D. D. Saputra, R. L. Pratiwi, and M. R. Kusumayudha, “Komparasi Metode Feature Selection Text Mining Pada Permasalahan Klasifikasi Keluhan Pelanggan Industri Telekomunikasi Menggunakan Smote Dan Naïve Bayes,” IJIS - Indones. J. Inf. Syst., vol. 8, no. 2, p. 174, 2023.
[6] 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.
[7] S. Mujahidin, B. Prasetio, and M. C. C. Utomo, “Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga BBM Pada Komentar Youtube Dengan Metode Gaussian naïve bayes,” Voteteknika (Vocational Tek. Elektron. dan Inform., vol. 10, no. 3, p. 17, 2022.
[8] A. J. N. Kisma, P. Arsi, and P. Subarkah, “Sentiment Analysis Regarding Candidate Presidential 2024 Using Support Vector Machine Backpropagation Based,” JTAM (Jurnal Teor. dan Apl. Mat., vol. 8, no. 1, p. 96, 2024.
[9] B. Z. Ramadhan, I. Riza, and I. Maulana, “Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Dengan Menggunakan Algoritma Naïve Bayes,” J. Appl. Informatics Comput., vol. 3, no. 3, pp. 23–39, 2022.
[10] H. F. Syawwali and R. Pradana, “ANALISIS SENTIMEN MENGGUNAKAN NAIVE BAYES MULTINOMIAL TERHADAP ISU KAESANG PANGAREP DI MEDIA SENTIMENT ANALYSIS USING MULTINOMIAL NAIVE BAYES ON THE ISSUE OF KAESANG PANGAREP ON SOCIAL MEDIA X,” SENAFTI, vol. 3, no. September, pp. 846–855, 2024.
[11] N. Nurfaizah and S. R. Hidayat, “Sentimen Analisis Pengguna Produk Ponsel Menggunakan Algoritma Naïve Bayes,” J. Inf. Syst. Manag., vol. 6, no. 1, pp. 10–14, 2024.
[12] V. F. Lestari, P. Arsi, and P. Subarkah, “Sentimen Analisis Evaluasi Pengguna Aplikasi Orbit Telkomsel Pada Ulasan Playstore Menggunakan Algoritma Naïve Bayes,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 2, pp. 2297–2302, 2024.
[13] A. Z. Rizquina and C. I. Ratnasari, “Implementasi Web Scraping untuk Pengambilan Data Pada Website E-Commerce,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 5, no. 4, pp. 377–383, 2023.
[14] M. K. Insan, U. Hayati, and O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play menggunakan Algoritma Naive Bayes,” J. Mhs. Tek. Inform., vol. 7, no. 1, pp. 478–483, 2023.
[15] M. F. N. Fathoni, E. Y. Puspaningrum, and A. N. Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem J. Inform. dan Sains Teknol., vol. 2, no. 3, pp. 62–76, 2024.
[16] M. Undap, V. P. Rantung, and P. T. D. Rompas, “Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based,” Jointer - J. Informatics Eng., vol. 2, no. 02, pp. 39–46, 2021.
[17] P. Subarkah, W. Risma, and R. Aditya, “Comparison of correlated algorithm accuracy Naive Bayes Classifier and Naive Bayes Classifier for heart failure classification,” vol. 14, no. 2, pp. 120–125, 2022.
[18] M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Comparison of Naïve Bayes and Support Vector Machine Methods in Twitter Sentiment Analysis,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020.
[19] D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 24–33, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Journal of Information System Management (JOISM)
This work is licensed under a Creative Commons Attribution 4.0 International License.
