ANALISIS SENTIMEN PENGGUNA PADA LAYANAN E-WALLET SHOPEEPAY BERDASARKAN ULASAN GOOGLE PLAY STORE DENGAN ALGORITMA NAÏVE BAYES
Abstract
Peningkatan penggunaan dompet digital di Indonesia mendorong perlunya evaluasi kualitas layanan berdasarkan persepsi pengguna. Penelitian ini bertujuan menganalisis sentimen pengguna aplikasi ShopeePay berdasarkan ulasan di Google Play Store menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui teknik crawling pada periode 3 Februari 2024 hingga 18 Januari 2026, menghasilkan 5000 ulasan. Setelah menghapus data netral (skor 3), tersisa 4740 ulasan yang terdiri dari 2845 positif (60%) dan 1895 negatif (40%). Proses analisis mengikuti kerangka Knowledge Discovery in Database (KDD) yang meliputi seleksi data, preprocessing (case folding, cleaning, normalisasi, tokenizing, stopword removal, stemming), transformasi dengan TF-IDF, dan klasifikasi menggunakan Naïve Bayes. Evaluasi model dilakukan dengan confusion matrix pada empat skenario pembagian data latih-uji (90:10, 80:20, 70:30, 60:40). Hasil terbaik diperoleh pada skenario 90:10 dengan akurasi 90%, presisi 90%, recall 90%, dan f1-score 90%. Visualisasi word cloud menunjukkan kata dominan pada sentimen positif adalah “mudah”, “aplikasi”, “bayar”, sedangkan pada sentimen negatif adalah “aplikasi”, “shopee”, “error”. Kesimpulannya, algoritma Naïve Bayes efektif mengklasifikasikan sentimen pengguna ShopeePay dengan kinerja sangat baik, dan hasil analisis dapat menjadi masukan bagi pengembang untuk meningkatkan kualitas layanan
Downloads
References
Alfandi Safira and F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier,” Zo. J. Sist. Inf., vol. 5, no. 1, pp. 59–70, 2023, doi: 10.31849/zn.v5i1.12856.
I. Artikel and A. Info, “ANALISIS SENTIMEN PENGGUNA APLIKASI JMO ( JAMSOSTEK MOBILE ) PADA GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES,” vol. 2, no. 3, pp. 109–117, 2023.
K. Cindy Astuti, A. Firmansyah, and A. Riyadi, “Implementasi Text Mining Untuk Analisis Sentimen Masyarakat Terhadap Ulasan Aplikasi Digital Korlantas Polri pada Google Play Store,” REMIK Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 8, no. 1, pp. 383–394, 2024, [Online]. Available: https://www.jurnal.polgan.ac.id/index.php/remik/article/view/13421
F. M. Delta Maharani, A. Lia Hananto, S. Shofia Hilabi, F. Nur Apriani, A. Hananto, and B. Huda, “Perbandingan Metode Klasifikasi Sentimen Analisis Penggunaan E-Wallet Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor,” Metik J., vol. 6, no. 2, pp. 97–103, 2022, doi: 10.47002/metik.v6i2.372.
R. Elasaria and Nurabiah, “Preference Digital Wallet by Generation Z with the Unified Theory of Acceptance and Use of Technology 2 (UTAUT 2) Model Approach and Perceived Risk,” Eur. J. Manag. Issues, vol. 32, no. 1, pp. 3–13, 2024, doi: 10.15421/192401.
E. Salehudin Basryah, A. Erfina, and C. Warman, “Analisis Sentimen Aplikasi Dompet Digital di Era 4.0 Pada Masa Pandemi Covid-19 di Play Store Menggunakan Algoritma Naive Bayes Classifier,” Semin. Nas. Sist. Inf. dan Manaj. Inform., vol. 1, pp. 189–196, 2021.
D. F. Sarah, U. Khaira, and M. F. Putri, “Analisis Sentimen Aplikasi Shopeepay Menggunakan Naïve Bayes Dan Pemodelan Topik Latent Dirichlet Allocation,” Djtechno J. Teknol. Inf., vol. 6, no. 2, pp. 402–416, 2025, doi: 10.46576/djtechno.v6i2.6586.
M. T. Wahyu and M. Afrizal, “Pengujian Blackbox Metode Equivalent Partitions Pada Aplikasi Absensi Karyawan Website Oby Komputer,” J. Sist. Inf., vol. 1, no. 2, pp. 1–10, 2023.
A. Hakim, R. Buaton, and M. Khadapi, “Analysis of Student Satisfaction Sentiment Towards Lecturer Performance using the Naive Bayes Classifier Method ( Case Study : STMIK KAPUTAMA ),” vol. 5, no. 1, 2025.
L. Nursinggah, R. Ruuhwan, and T. Mufizar, “Analisis Sentimen Pengguna Aplikasi X Terhadap Program Makan Siang Gratis Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, 2024, doi: 10.23960/jitet.v12i3.4336.
S. Masturoh and A. B. Pohan, “Analisis Sentimen Terhadap E-Wallet Dana Pada Ulasan Google Play Menggunakan Algoritma K-Nearest Neighbor,” J. Pilar Nusa Mandiri, vol. 17, no. 1, pp. 53–58, 2021, doi: 10.33480/pilar.v17i1.2182.
V. Jap, J. Hartanto, and S. Wijaya, “Analisis Kepuasan Dan Ketidakpuasan Tamu Hotel Novotel: Pendekatan Text Mining Atas Ulasan Daring Pada Situs Web Tripadvisor,” J. Manaj. Perhotelan, vol. 9, no. 2, pp. 71–80, 2023, doi: 10.9744/jmp.9.2.71-80.
M. A. Ridwan et al., “Pengujian Pengujian Black Box Pada Website Bjs Property Menggunkan Teknik Equivalence Partitioning,” JOISIE (Journal Inf. Syst. Informatics Eng., vol. 8, no. 1, pp. 65–74, 2024, [Online]. Available: https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/4171
T. Desyani, R. Ramadhan Chaniago, H. Iswanto, E. Suroso, and T. Surya Hermanto, “Pengujian Aplikasi Sistem Informasi Akademik Berbasis Website Menggunakan Teknik Equivalence Partitioning dan Metode Black Box,” J. Inform. Univ. Pamulang, vol. 7, no. 1, pp. 2622–4615, 2022, [Online]. Available: http://openjournal.unpam.ac.id/index.php/informatika
H. Sutrisno and N. A. S. Winarsih, “Klasifikasi Kategori Produk untuk Manajemen Keuangan Remaja menggunakan Algoritma Long Short-Term Memory,” Edumatic J. Pendidik. Inform., vol. 8, no. 2, pp. 685–693, 2024, doi: 10.29408/edumatic.v8i2.27959.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
