ANALISIS SENTIMEN ULASAN APLIKASI RUANGGURU PENERAPAN METODE SUPPORT VECTOR MACHINE (SVM)
DOI:
https://doi.org/10.23960/jitet.v14i1.8520Abstract Views: 65 File Views: 31
Keywords:
Ruang guru, Sentiment Analysis, Support Vector Machine, SVM, TF-IDF.Abstract
Kemajuan pesat dalam teknologi pendidikan digital telah memicu pertumbuhan platform pembelajaran online, salah satunya adalah aplikasi Ruangguru. Banyaknya ulasan pengguna yang ada pada aplikasi ini menjadi sumber penting untuk menilai tingkat kepuasan pengguna terhadap layanan dan fitur-fiturnya. Penelitian ini memfokuskan pada analisis sentimen dari ulasan pengguna Ruang guru menggunakan pengklasifikasi Support Vector Machine (SVM).
Data ulasan diperoleh dari Google Play Store dan dibagi menjadi dua kategori: positif dan negatif. Proses metodologis mencakup pengumpulan data, tahap-tahap praproses teks seperti pembersihan data, tokenisasi, penghapusan kata-kata umum (stopword), serta stemming. Selanjutnya, teks diproses menjadi vektor fitur numerik dengan metode pembobotan Term Frequency–Inverse Document Frequency (TF–IDF), diikuti dengan klasifikasi menggunakan algoritma SVM. Hasil eksperimen menunjukkan bahwa SVM mampu menghasilkan akurasi tinggi dalam mengklasifikasikan sentimen ulasan pengguna.
Dengan demikian, hasil penelitian ini bertujuan memberikan informasi bagi tim pengembangan Ruangguru dengan mengungkap kebutuhan dan preferensi pengguna serta mengidentifikasi fitur aplikasi yang mungkin perlu perbaikan, guna mendukung upaya meningkatkan kualitas layanan dan pengalaman pengguna secara keseluruhan.
Downloads
References
H. H. Mubaroroh, H. Yasin, and A. Rusgiyono, “ANALISIS SENTIMEN DATA ULASAN APLIKASI RUANGGURU PADA SITUS GOOGLE PLAY MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DENGAN NORMALISASI KATA LEVENSHTEIN DISTANCE,” vol. 11, no. 2, pp. 248–257, 2022, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/
R. Mas, R. W. Panca, K. Atmaja1, and W. Yustanti2, “Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers),” JEISBI, vol. 02, p. 2021.
J. Perintis Kemerdekaan Km and K. STMIK DIpanegara Jl Perintis Kemerdekaan Km, “PROSIDING SEMINAR ILMIAH SISTEM INFORMASI DAN TEKNOLOGI INFORMASI Pusat Penelitian dan Pengabdian Pada Masyarakat (P4M) STMIK Dipanegara Makassar Perancangan Aplikasi Sistem Customer Relationship Managemen Pada Rapokalling Auto Service Berbasis Web,” 2019.
I. Nurul Hassanah, S. Faisal, A. Mutoi Siregar, U. Buana Perjuangan Karawang Jl HSRonggo Waluyo, T. Timur, and J. Barat, “Kumpulan jurnaL Ilmu Komputer (KLIK)”.
E. Bambang, R. A. Setia Priadi, and H. -, “PERANCANGAN DAN PEMBUATAN SISTEM INFORMASI PERSETUJUAN PERBAIKAN DAN PERGANTIAN ALAT KOMPUTER BERBASIS WEB (Studi Kasus pada PT. Lautan Teduh Interniaga),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 2, no. 1, Jan. 2014, doi: 10.23960/jitet.
M. Romy Firdaus et al., “Analisis Sentimen Dan Topic Modelling Dalam Aplikasi Ruangguru,” Jurnal Sains Komputer & Informatika (J-SAKTI, vol. 4, p. 66, 2020, [Online]. Available: http://tunasbangsa.ac.id/ejurnal/index.php/jsakti
Y. Aprianti, A. Lia Hananto, S. Shofiah Hilabi, S. Informasi, and U. Buana Perjuangan Karawang, “Klasifikasi Sentimen Komentar Pengguna pada Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes,” vol. 9, p. 2025, doi: 10.47002/metik.v9i1.1023.
U. Khairani, V. Mutiawani, and H. Ahmadian, “Pengaruh Tahapan Preprocessing Terhadap Model Indobert Dan Indobertweet Untuk Mendeteksi Emosi Pada Komentar Akun Berita Instagram,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, pp. 887–894, Aug. 2024, doi: 10.25126/jtiik.1148315.
Y. Aliya Rohim and V. Atina, “Analisis Sentimen terhadap Ulasan Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes.” [Online]. Available: http://Jiip.stkipyapisdompu.ac.id
A. S. Simbolon, N. I. Pangaribuan, and N. M. Aruan, “ANALISIS SENTIMEN APLIKASI E-LEARNING SELAMA PANDEMI COVID-19 DENGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN CONVOLUTIONAL NEURAL NETWORK,” SEMINASTIKA, vol. 3, no. 1, pp. 16–25, Nov. 2021, doi: 10.47002/seminastika.v3i1.236.
Y. Caesar, I. Sabastian, A. Kindarto, and A. Fathurrohman, “Analisis Sentiment Masyarakat Terhadap Clash of Champions Ruang Guru Menggunakan Metode Support Vector Machine (SVM) Analysis of Public Sentiment Towards Ruang Guru’s Clash of Champions Using the Support Vector Machine (SVM) Method.”
A. Baita and N. Cahyono, “ANALISIS SENTIMEN MENGENAI VAKSIN SINOVAC MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN).”
Irfani Faizal Fakhir, Triyanto Mohamad, Hartanto Anggit Dwi, and Kusnawi, “Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine,” Feb. 2020.
E. Fitri, Y. Yuliani, S. Rosyida, and W. Gata, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” TRANSFORMTIKA, vol. 18, no. 1, pp. 71–80, 2020, [Online]. Available: www.nusamandiri.ac.id,
E. Fernando Baharsyah, T. Hasanah Bimastari Aviani, and C. Wulandari, “Copyright @ Analisis Sentimen Pengguna Terhadap Aplikasi Belajar Online Ruang Guru Pada Ulasan Google Play Store Menggunakan Algoritma Naïve Bayes dan Support Vector Machine”.
S. Helmiyah and A. Verdian, “JURNAL PENDIDIKAN STKIP ROSALIA LAMPUNG Analisis Sentimen Terhadap Minat Belajar pada Tayangan Acara CoC by Ruangguru Berdasarkan Tweets Menggunakan Metode NLP dan Model BERT.”
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
