ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP APLIKASI PEMBELAJARAN BERBAHASA DUOLINGO MENGGUNAKAN ALGORITMA NAÏVE BAIYES CLASSIFIER
DOI:
https://doi.org/10.23960/jitet.v13i1.5691Abstract Views: 311 File Views: 175 File Views: 0 File Views: 0
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Duolingo di Google Play Store menggunakan algoritma Naïve Bayes Classifier. Sebanyak 2.000 ulasan dianalisis dan diklasifikasikan ke dalam sentimen positif dan negatif. Hasil analisis menunjukkan bahwa algoritma ini memiliki kinerja yang sangat baik dengan accuracy mencapai 88%, precision sebesar 95%, recall sebesar 92%, dan F1-Score sebesar 93%. Sebagian besar ulasan menunjukkan sentimen positif terutama mengapresiasi fitur interaktif dan kemudahan penggunaan aplikasi, sementara beberapa ulasan negatif mengungkapkan masalah teknis, seperti bug dan lag. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes Classifier efektif untuk analisis sentimen berbasis teks sekaligus memberikan wawasan berharga kepada pengembang aplikasi untuk meningkatkan kualitas layanan. Penelitian ini merekomendasikan pengumpulan data ulasan yang lebih banyak dengan cakupan waktu lebih luas untuk mendapatkan hasil analisis yang lebih representatif. Selain itu, membandingkan kinerja algoritma ini dengan metode lain, seperti SVM, Random Forest atau LSTM dapat membantu menemukan pendekatan yang lebih optimal dalam menangani ulasan pengguna yang lebih kompleks. Penelitian juga mengungkapkan potensi aplikasi Duolingo dalam mendukung pembelajaran bahasa asing bagi anak berkebutuhan khusus di sekolah. Dengan fitur interaktif dan fleksibilitasnya, aplikasi ini memungkinkan siswa belajar sesuai kebutuhan individu. Dukungan seperti pelatihan bagi guru dan bimbingan yang tepat dapat memastikan penggunaan aplikasi ini lebih efektif. Penelitian ini diharapkan dapat berkontribusi pada pengembangan teknologi untuk meningkatkan pengalaman pengguna dan pembelajaran bahasa yang inklusif.
Downloads
References
Agustina, N., Citra, D. H., Purnama, W., Nisa, C., & Kurnia, A. R. (2022). Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(1), 47–54. https://doi.org/10.57152/malcom.v2i1.195
Alifiana, F., Asnawi, M. F., Ihsannudin, I. A., Alif, M., & Baihaqy, M. (2023). ANALISIS SENTIMEN APLIKASI DUOLINGO MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE LEARNING. 13(2), 223–230.
Arofah, S., Astuti, R., Basysyar, F. M., Informatika, T., Informasi, S., Informasi, S., & Cirebon, K. (2024). Analisis Sentimen Pemakaian Sistem Absensi Berbasis Web. 8(3), 2619–2625.
Ayu Puspita, N., Tri Anggraeny, F., & Mustika Rizki, A. (2024). Analisis Sentimen Dengan Algoritma Naïve Bayes Classifier Terhadap Ulasan Aplikasi My F&B Id. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 1090–1095. https://doi.org/10.36040/jati.v8i1.8842
Budiman, B., Silvana Anggraeni, Z., Habibi, C., & Alamsyah, N. (2024). Analisis Sentimen Publik pada Media Sosial Twitter Terhadap Tiket.com Menggunakan Algoritma Klasifikasi. Jurnal Informatika, 11(1), 1–10. https://doi.org/10.31294/inf.v11i1.17988
Cep Lukman Rohmat, Rosdiana Ningsih, R., Rizki Rinaldi, A., & Fatturohman, F. (2024). Analisis Sentimen Pada Ulasan Pengguna Aplikasi Canva Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 2297–2302. https://doi.org/10.36040/jati.v8i2.9139
Chohan, S., Nugroho, A., Maezar, A., Aji, B., & Gata, W. (2020). Analisis Sentimen Aplikasi Duolingo Menggunakan Metode Naïve Bayes dan Synthetic Minority Over Sampling Technique. 22(2).
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744
Heliyanti Susana. (2022). Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet. Jurnal Riset Sistem Informasi Dan Teknologi Informasi (JURSISTEKNI), 4(1), 1–8. https://doi.org/10.52005/jursistekni.v4i1.96
Indriyani, F. A., Fauzi, A., & Faisal, S. (2023). Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine Tiktok application sentiment analysis using naïve bayes algorithm and support vector machine. 10, 176–184. https://doi.org/10.37373/tekno.v10i2.419
Intania Widyaningrum, & Mia Kamayani. (2023). Analisis sentimen opini masyarakat terhadap penggunaan layanan maxim menggunakan algoritma naïve bayes. Jurnal CoSciTech (Computer Science and Information Technology), 4(3), 651–660. https://doi.org/10.37859/coscitech.v4i3.6194
Mauliddiyah, N. L. (2021). PENGARUH BIMBINGAN BELAJAR PADA MASA PANDEMI COVID-19 TERHADAP PRESTASI BELAJAR MATEMATIKA SISWA KELAS 6 SDN KRADINAN 01. 6.
Mauliddiyah, S., Hidayat, M. N. F., & Rizal, F. (2024). Analisis sentiment ulasan aplikasi pembelajaran duolinggo di play store menggunakan distilbert. 7, 502–511. https://doi.org/10.37600/tekinkom.v7i1.1395
Novianti, F., & Wardani, K. R. N. (2023). Analisis Sentimen Masyarakat Terhadap Data Tweet Traveloka Selama Rapid Test Antigen Menggunakan Algoritma Naïve Bayes. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 8(3), 922–933. https://doi.org/10.29100/jipi.v8i3.3973
Nuraini, A., Faqih, A., Dwilestari, G., Dienwati Nuris, N., & Narasati, R. (2024). Analisis Sentimen Terhadap Review Aplikasi Brimo Di Google Play Store Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3661–3666. https://doi.org/10.36040/jati.v7i6.8228
Nurwahidah, D., Dwilestari, G., Dienwati Nuris, N., & Narasati, R. (2024). Analisis Sentimen Data Ulasan Pengguna Aplikasi Google Kelas Pada Google Play Store Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3673–3678. https://doi.org/10.36040/jati.v7i6.8245
Priskilla, R., & Suparni, S. (2024). Analisis Sentimen Publik Terhadap Aplikasi Streaming Film Online Netflix Dengan Metode Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(2), 1339–1342. https://doi.org/10.36040/jati.v8i2.7520
Rahel Lina Simanjuntak, Theresia Romauli Siagian, Vina Anggriani, & Arnita Arnita. (2023). Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Shopee Dengan Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 3(3), 23–39. https://doi.org/10.55606/teknik.v3i3.2411
Ramdan Adi Surya, M., Martanto, M., & Hayati, U. (2024). Analisis Sentimen Ulasan Pengguna Ovo Menggunakan Algoritma Naive Bayes Pada Google Play Store. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 2780–2786. https://doi.org/10.36040/jati.v8i3.8739
Rifa’I, A., Ardhani, R., Pratama, D., & Fatihanursari, F. (2024). Analisis Sentimen Terhadap Layanan Aplikasi Grab Indonesia Menggunakan Metode Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 303–309. https://doi.org/10.36040/jati.v8i1.8425
Riskawati, R., Fatihanursari, F., Iin, I., & Rizki Rinaldi, A. (2024). Penerapan Metode Naïve Bayes Classifier Pada Analisis Sentimen Aplikasi Gopay. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 346–353. https://doi.org/10.36040/jati.v8i1.8699
Sari, F. V. (2019). ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD . ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI. 10(2), 681–686.
Warow, G. G., & Pandia, H. (2024). Analisis Sentimen Aplikasi Dana Menggunakan Naïve Bayes Classifier dan Support Vector Machine. Jutisi : Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 13(1), 609. https://doi.org/10.35889/jutisi.v13i1.1893
Winoto, D., Desta Aditia, V., Sorisa, C., Priskila, R., & Handrianus Pranatawijaya, V. (2024). Analisis Sentimen Pada Ulasan Pengguna Terhadap Aplikasi Pembelajaran Bahasa Duolingo: Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3230–3236. https://doi.org/10.36040/jati.v8i3.9647
Yuniati, T., & Sidiq, M. F. (2020). Literature Review: Legalisasi Dokumen Elektronik Menggunakan Tanda Tangan Digital sebagai Alternatif Pengesahan Dokumen di Masa Pandemi. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(6). https://doi.org/10.29207/resti.v4i6.2502
