PERBANDINGAN KINERJA ALGORITMA KLASIFIKASI PADA REVIEW PENGGUNA APLIKASI NETFLIX
DOI:
https://doi.org/10.23960/jitet.v13i2.6303Abstract Views: 250 File Views: 274
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Netflix yang diperoleh dari Google Play Store menggunakan metode web scraping dengan Python di Google Colab. Data ulasan diproses melalui tahap pembersihan teks, tokenisasi, penghapusan stopword, dan stemming, serta direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Lima algoritma klasifikasi, yaitu Logistic Regression, Naive Bayes, Decision Tree, Random Forest, dan Support Vector Machine (SVM), dibandingkan untuk menentukan algoritma terbaik dalam klasifikasi sentimen positif, negatif, dan netral. Evaluasi dilakukan berdasarkan akurasi dengan pembagian data latih dan data uji sebesar 90:10. Hasil pengujian menunjukkan bahwa Logistic Regression dan Random Forest memiliki akurasi tertinggi sebesar 76%, diikuti oleh SVM sebesar 74%, Decision Tree sebesar 73%, dan Naive Bayes dengan akurasi terendah sebesar 71%. Temuan ini memberikan kontribusi bagi penelitian di bidang analisis sentimen serta dapat menjadi referensi bagi pengembang aplikasi dalam meningkatkan pengalaman pengguna berbasis data.Downloads
References
N. T. Romadloni and W. Supriyanti, “Analisis Sentimen Penggunaan Teknologi Pada Pendidikan Anak Usia Dini,” J. Ilm. SINUS, vol. 21, no. 2, p. 101, 2023, doi: 10.30646/sinus.v21i2.759.
M. D. Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022, doi: 10.31539/intecoms.v5i1.3708.
B. Ramadhani and R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 714, 2024, doi: 10.30865/mib.v8i2.7458.
N. T. Romadloni and Hilman F Pardede, “Seleksi Fitur Berbasis Pearson Correlation Untuk Optimasi Opinion Mining Review Pelanggan,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 505–510, 2019, doi: 10.29207/resti.v3i3.1189.
G. Kanugrahan, V. Hafizh, C. Putra, and Y. Ramdhani, “Analisis Sentimen Aplikasi Gojek Menggunakan SVM , Random Forest dan Decision Tree,” vol. 6, no. 2, 2024.
P. Verma, A. Dumka, A. Bhardwaj, and A. Ashok, “Product Review-Based Customer Sentiment Analysis Using an Ensemble of mRMR and Forest Optimization Algorithm (FOA),” Int. J. Appl. Metaheuristic Comput., vol. 13, no. 1, pp. 1–21, 2022, doi: 10.4018/ijamc.2022010107.
H. Rahmawati and A. Sudrajat, “MAHASISWA BARU DI POLITEKNIK TEDC BANDUNG,” vol. 13, no. 1, 2025.
R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.
D. Ardiansyah, A. Saepudin, R. Aryanti, E. Fitriani, and Royadi, “Analisis Sentimen Review Pada Aplikasi Media Sosial Tiktok Menggunakan Algoritma K-Nn Dan Svm Berbasis Pso,” J. Inform. Kaputama, vol. 7, no. 2, pp. 233–241, 2023, doi: 10.59697/jik.v7i2.148.
I. Aida Sapitri and M. Fikry, “Pengklasifikasian Sentimen Ulasan Aplikasi Whatsapp Pada Google Play Store Menggunakan Support Vector Machine,” J. TEKINKOM, vol. 6, no. 1, pp. 1–7, 2023, doi: 10.37600/tekinkom.v6i1.773.
S. Nanda, D. Mualfah, and D. A. Fitri, “Analisis Sentimen Kepuasan Pengguna Terhadap Layanan Streaming Mola Menggunakan Algoritma Random Forest,” J. Apl. Teknol. Inf. dan Manaj., vol. 3, no. 2, pp. 210–219, 2022, doi: 10.31102/jatim.v3i2.1592.
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.
E. B. Susanto, Paminto Agung Christianto, Mohammad Reza Maulana, and Sattriedi Wahyu Binabar, “Analisis Kinerja Algoritma Naïve Bayes Pada Dataset Sentimen Masyarakat Aplikasi NEWSAKPOLE Samsat Jawa Tengah,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 3, pp. 234–241, 2022, doi: 10.37859/coscitech.v3i3.4343.
Tania Puspa Rahayu Sanjaya, Ahmad Fauzi, and Anis Fitri Nur Masruriyah, “Analisis sentimen ulasan pada e-commerce shopee menggunakan algoritma naive bayes dan support vector machine,” INFOTECH J. Inform. Teknol., vol. 4, no. 1, pp. 16–26, 2023, doi: 10.37373/infotech.v4i1.422.
I. Syahrohim, S. D. Saputra, R. W. Saputra, V. H. Pranatawijaya, and R. Priskila, “Perbandingan Analisis Sentimen Setelah Pilpres 2024 Di Twitter Menggunakan Algoritma Machine Learning,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, 2024, doi: 10.23960/jitet.v12i2.4249.
H. Hakim, D. Kamil, and B. Alatas, “Pendekatan Machine Learning untuk Estimasi Harga Rumah dengan Regresi Linier,” vol. 1, no. 1, pp. 18–22, 2025
