Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
ABSTRAK
Perkembangan pesat teknologi telah membawa transformasi yang signifikan pada bidang pembelajaran bahasa, salah satunya aplikasi Cake yang ada di Playstore, saat ini telah diunduh lebih dari 100 juta kali dengan ulasan lebih dari 1 juta pengguna. Seiring bertambahnya pengguna, aplikasi Cake menerima berbagai respon mulai dari keluhan hingga apresiasi dari pengguna berupa ulasan. Ulasan merupakan hal penting bagi pengembang untuk menjadi bahan evaluasi pengembangan kualitas aplikasi. Analisis sentimen dengan algoritma Naïve-Bayes dan Lexicon-Based dapat membantu memahami penilaian terhadap aplikasi Cake. Penelitian ini menerapkan pendekatan kuantitatif dengan metode deskriptif. Jumlah data yang digunakan sebanyak 4.500 ulasan pengguna di google play store dan diambil dengan teknik web scraping. Data yang telah diperoleh diberi label sentimen berdasarkan kamus lexicon dan diklasifikasikan menggunakan algoritma Naïve-Bayes. Dilakukan evaluasi menggunakan confusion matrix dengan tujuan mengukur ketepatan nilai akurasi dalam memprediksi data ulasan. Hasil analisis algoritma Naïve-Bayes menaghasilkan nilai akurasi sebesar 76% didominasi sentimen positif dengan 437 ulasan, sentimen netral dengan 5 ulasan dan sentimen negatif dengan 7 ulasan. Selain itu analisis ekspresi emosi menunjukkan bahwa emosi senang merupakan emosi yang paling dominan dibandingkan emosi netral, marah, sedih dan takut. Hal ini menunjukkan bahwa algoritma Naïve-Bayes cukup efektif digunakan untuk menganalisis sentimen dan ekspresi pengguna pada ulasan aplikasi Cake di Google Play Store.
Akbar, R. F., & Habibi, M. (2023). Sentiment Analysis Related National Social Security Agency for Employment in Indonesia: Hybrid Method Using Lexicon Based and Naive Bayes Classifier Approaches. Indonesian Journal on Data Science, 1(1), 32–38. https://doi.org/10.30989/ijds.v1i1.896
Ardiani, L., & Sujaini, H. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak Implementation of Sentiment Analysis of Community Responses to Development in Pontianak City. Jurnal Sistem Dan Teknologi Informasi, 8(2), 183–190. https://doi.org/10.26418/justin.v8i2.36776
Arif, U. Q., & Kleden, E. T. (2024). The Implementation of Cake English Learning Appplication in Teaching Pronunciation for EFL Secondary School Graders. English Learning Innovation, 6(1), 14–24. https://doi.org/10.22219/englie.v6i1.37524
Fathullah, N. S., Sari, Y. A., & Adikara, P. P. (2020). Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(2), 590–593.
Foody, G. M. (2023). Challenges in the real world use of classification accuracy metrics?: From recall and precision to the Matthews correlation coefficient. Plos One, 1–27. https://doi.org/10.1371/journal.pone.0291908
Haq, M. F. I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. Jurnal Surya Informatika, 14(1), 24–29.
Hasugian, A. H., Fakhriza, M., & Zukhoiriyah, D. (2023). Analisis Sentimen Pada Review Pengguna E-Commerce Menggunakan Algoritma Naïve Bayes. J-SISKO TECH (Jurnal Teknologi Sistem Informasi Dan Sistem Komputer TGD), 6(1), 98. https://doi.org/10.53513/jsk.v6i1.7400
Hoiriyah, H., Mardiana, H., Walid, M., & Darmawan, A. K. (2023). Lexicon-Based and Naive Bayes Sentiment Analysis for Recommending the Best Marketplace Selection as a Marketing Strategy for MSMEs. Jurnal Pilar Nusa Mandiri, 19(2), 65–76. https://doi.org/10.33480/pilar.v19i1.4176
Irwiensyah, F., & Hasan, F. N. (2023). Perbandingan Akurasi Metode Naïve Bayes Classifier dan Lexicon Based Pada Analisis Sentimen Respon Masyarakat Tentang Kebijakan Kenaikan Harga Minyak Goreng. Jurnal Teknik Informatika Dan Komputer, 2(1), 18–23. https://doi.org/10.22236/jutikom.v2i1.11500
Mahendra, M. H., Murdiansyah, D. T., & Lhaksmana, K. M. (2023). Analisis Sentimen Tweet COVID-19 Menggunakan Metode K-Nearest Neighbors dengan Ekstraksi Fitur TF-IDF dan CountVectorizer Dike?: Jurnal Ilmu Multidisiplin. Jurnal Ilmu Multidisiplin, 1, 37–43.
Mahendrajaya, R., Buntoro, G. A., & Setyawan, M. B. (2019). Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine. Komputek, 3(2), 52–63. https://doi.org/10.24269/jkt.v3i2.270
Manullang, O., Prianto, C., & Harani, N. H. (2023). Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based Dan Random Forest. Jurnal Ilmiah Informatika, 11(02), 159–169. https://doi.org/10.33884/jif.v11i02.7987
Nurian, A. (2023). Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes. Jurnal Informatika Dan Teknik Elektro Terapan, 11(3s1), 829–835. https://doi.org/10.23960/jitet.v11i3s1.3348
Purnamasari, D., Bayu, A., Desy, A., Fanka, W. A. P., Reza, A., Safrila, M., Yanda, O. N., & Hidayati, U. (2024). Pengantar Metode Analisis Sentimen. In Gunadarma.
Riansyah Ramadhan, G., & Agus Sugianto, C. (2024). Analisis Sentimen Ulasan Aplikasi Dana Di Google Play Store Menggunakan Algoritma Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 9849–9857. https://doi.org/10.36040/jati.v8i5.10732
Ridha, N. (2017). Proses Penelitian, Masalah, Variabel dan Paradigma Penelitian. Jurnal Hikmah, 14(1), 62–70.
Rismawan, S. A., & Syahidin, Y. (2023). Implementasi Website Berita Online Menggunakan Metode Crawling Data Dengan Bahasa Pemrograman Python. Jurnal Teknik Informatika Dan Sistem Informasi, 10(3).
Rudini, D., Purnama, D. G., & Khan, A. A. (2023). Penggunaan Teknik Web Scraping dalam Aplikasi Pengambilan Data dari Google Maps untuk menunjang Digital Marketing. Lentera?: Multidisciplinary, 2(1), 10–19.
Septianingrum, F., Susilo, A., & Irawan, Y. (2021). Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes?: Sebuah Literature Review. Jurnal Media Informatika Budidarma, 5, 799–805. https://doi.org/10.30865/mib.v5i3.2983
Shevira, S., Suarjaya, I. M. A. D., & Buana, P. W. (2022). Pengaruh Kombinasi dan Urutan Pre-Processing pada Tweets Bahasa Indonesia. JITTER?: Jurnal Ilmiah Teknologi Dan Komputer, 3(2), 1074. https://doi.org/10.24843/jtrti.2022.v03.i02.p06
Suryani, N. P. S. M., Linawati, & Komang Oka Saputra. (2019). Penggunaan Metode Naïve Bayes Classifier pada Analisis. Majalah Ilmiah Teknologi Elektro, 18(1).
Susana, H., Suarna, N., Fathurrohman, & Kaslani. (2022). Penerapan Model Klasifikasi Metode Naive Bayes terhadap penggunaan Akses Internet. Jurnal Sistem Informasi Dan Teknologi Informasi), 4(1), 1–8.
Syahrudin, S., Fenilinas Adi Artanto, Ahmad Rifqi Maulana, & Filsafat, F. (2025). Metode Support Vector Machine (SVM) dan Lexicon-Based dalam Analisis Sentiment Ulasan Pengguna Aplikasi Wink. JUMINTAL: Jurnal Manajemen Informatika Dan Bisnis Digital, 4(1), 59–73. https://doi.org/10.55123/jumintal.v4i1.5236
Tan, K. L., Lee, C. P., & Lim, K. M. (2023). A Survey of Sentiment Analysis: Approaches, Datasets, and Future Research. Applied Sciences (Switzerland), 13(7). https://doi.org/10.3390/app13074550
Thoib, I., Candra, B. P., Sururi, N., Nugraha, D. S., & Kholifah, B. (2025). Evaluasi Metode Pelabelan Sentimen Berbasis Leksikon terhadap Ulasan Aplikasi Sekuritas di Google Play Store. Jurnal Sistem Dan Teknologi Informasi, 13(4). https://doi.org/10.26418/justin.v13i4.93039
Zhafira, D. F., Rahayudi, B., & Indriati, I. (2021). Sentiment Analysis of Independent Campus Policy Using Naive Bayes and TF-IDF Weighting Based on Comments on Youtube. Jurnal Sistem Informasi, Teknologi Informasi, Dan Edukasi Sistem Informasi, 2(1), 55–63.
Zulfika, I. (2020). Analisis Bentuk Ekspresi Emosional Tokoh dalam Novel Takhta Nirwana Karya Tasaro. Jurnal Konsepsi, 8(4), 142–149.
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2026 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |