Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
Penelitian ini bertujuan untuk menganalisis perasaan pengguna dalam ulasan aplikasi FotMob di Google Play Store dengan menggunakan metode Random Forest. Data dikumpulkan dengan cara web scraping sebanyak 5.000 ulasan, lalu diolah dengan prepocessing dan pembobotan fitur menggunakan metode TF-IDF. Distribusi data menunjukkan ketidakseimbangan yang sangat parah, di mana sentimen positif mendominasi dengan persentase sebesar 92,14%, dibandingkan dengan sentimen negatif sebesar 4,04% dan sentimen netral sebesar 3,82%. Evaluasi model awal memberikan akurasi tinggi sebesar 90,52%, tetapi model ternyata memiliki bias dan tidak mampu mendeteksi kelas minoritas. Hal ini terlihat dari nilai Recall yang sangat rendah, yaitu 2,63% untuk kelas negatif dan 0,00% untuk kelas netral. Untuk menyelesaikan masalah tersebut, penelitian melakukan perbaikan pada model dengan menerapkan teknik Stratified Sampling dalam membagi data serta Class Weight Balancing dalam pengaturan algoritma. Hasil evaluasi menunjukkan perbedaan yang besar antara kelas mayoritas dan kelas minoritas. Nilai F1-Score rata-rata makro meningkat secara drastis dari 33,32% menjadi 63,81%. Meskipun akurasi keseluruhan menurun menjadi 85,26%, model yang dihasilkan sekarang lebih inklusif dan tidak memiliki bias terhadap kelas mayoritas. Penelitian ini menunjukkan bahwa menggabungkan metode Stratified Sampling dengan Class Weight Balancing berhasil mengatasi masalah data yang tidak seimbang, sehingga menghasilkan model yang lebih kuat dalam menilai persepsi pengguna.
Abidin, Muhammad Zainal et al. 2025. ‘Analisis Sentimen Pengguna Aplikasi Shopee Pada Google Play Store Menggunakan Metode Random Forest’. Jurnal Ilmiah Teknik Dan Ilmu Komputer 4(3):265–76. doi:10.55123.
Ainur, Ghefira et al. 2025a. ‘Analisis Sentimen Publik Terhadap Program Makan Bergizi Gratis Menggunakan Metode Random Forest Pada Platform X’. Jurnal SITECH?: Sistem Informasi Dan Teknologi 8(1):75–84. doi:10.24176/sitech.v8i1.15628.
Ainur, Ghefira et al. 2025b. ‘Analisis Sentimen Publik Terhadap Program Makan Bergizi Gratis Menggunakan Metode Random Forest Pada Platform X Penulis Korespondensi’. Sistem Informasi Dan Teknologi 8(1). doi:10.24176/sitech.v8i1.15628.
Ajis Solihin, Afit et al. 2025. ‘Evaluasi Pengaruh Varian Daftar Stopword Terhadap Kinerja Klasifikasi Teks Al-Qur’an Dengan Support Vector Machine Dan Backpropagation Neural Network’. Jurnal Pendidikan Dan Teknologi Indonesia 5(7):1867–80. doi:10.52436/1.jpti.875.
Albab, M. Ulil et al. 2023. ‘Optimization of the Stemming Technique on Text Preprocessing President 3 Periods Topic’. Jurnal Transformatika 20(2):1–12. doi:10.26623/transformatika.v20i2.5374.
Alhaqq, Raksaka Indra et al. 2022. ‘Analisis Sentimen Terhadap Penggunaan Aplikasi MySAPK BKN Di Google Play Store’. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi | 11(2):105–13. doi:10.22146/jnteti.v11i2.3528.
Angkoso, Cucun Very. 2024. ‘Optimasi Klasifikasi Sentimen Menggunakan Random Forest Dengan Preprocessing K-Means Clustering Dan SMOTE’. 10(3):389–400.
Bagus Prayogi, M. et al. 2025. ‘Analisis Sentimen Ulasan Pengguna Aplikasi Alfagift Menggunakan Random Forest’. Jurnal Informatika Sunan Kalijaga) 10(2):158–70. doi:10.14421/jiska.2025.10.2.158-170.
Budiarto, Jian. 2021. ‘Identifikasi Kebutuhan Masyarakat Nusa Tenggara Barat Pada Pandemi Covid-19 Di Media Sosial Dengan Metode Crawling’. Jurnal Teknologi Informasi Dan Multimedia 2(4):244–50. doi:10.35746/jtim.v2i4.119.
Cindy Astuti, Kamelia et al. 2024. ‘Implementasi Text Mining Untuk Analisis Sentimen Masyarakat Terhadap Ulasan Aplikasi Digital Korlantas Polri Pada Google Play Store’. Remik: Riset Dan E-Jurnal Manajemen Informatika Komputer 8(1). doi:10.33395/remik.v8i1.13421.
Danny, Muhtajuddin et al. 2025. ‘Optimasi Algoritma Random Forest Untuk Prediksi Eksport Kelapa Sawit Global’. Bulletin of Computer Science Research 5(5):1129–38. doi:10.47065/bulletincsr.v5i5.744.
Fabian Azmi, Azel et al. 2024. ‘Prediksi Churn Nasabah Bank Menggunakan Klasifikasi Random Forest Dan Decision Tree Dengan Evaluasi Confucion Matrix’. Jurnal Ilmiah Komputer Dan Informatika 13(1). doi:10.34010/komputa.v13i1.12639.
Farros, Muchamad et al. 2024. ‘Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store’. SURYA INFORMATIKA 14. doi:https://doi.org/10.48144/suryainformatika.v14i1.1785.
Fitri, Evita et al. 2020. ‘Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine’. Transformtika 18(1):71–80. doi:10.26623/transformatika.v18i1.2317.
FotMob AS. 2026. ‘FotMob – Soccer Live Scores’. https://play.google.com/store/apps/details?id=com.mobilefootie.wc2010.
Herjanto, Muhamad Fajar Yudhistira et al. 2024. ‘Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Pada Playstore Menggunakan Algoritma Random Forest Classifer’. Jurnal Informatika Dan Teknik Elektro Terapan 12(2):1204–10. doi:10.23960/jitet.v12i2.4192.
Huda, Arif Akbarul et al. 2022. ‘Sistem Rekomendasi Content-Based Filtering Menggunakan TF-IDF Vector Similarity Untuk Rekomendasi Artikel Berita’. Building of Informatics, Technology and Science (BITS) 4(3). doi:10.47065/bits.v4i3.2511.
Ikhlas, Al et al. 2023. ‘Masalah Penelitian/ Research Problem; Pengertian Dan Sumber Masalah, Pertimbangan, Kriteria Pemilihan Masalah, Perumusan Pembatasan Masalah, Landasan Teori’. Journal Of Social Science Research 3. https://j-innovative.org/index.php/Innovative/article/view/1880.
Imam Rosyadi et al. 2025. ‘Metode PSSUQ Dan UMUX Dalam Usability Testing Pada Website 21-23 Garden’. JUMINTAL: Jurnal Manajemen Informatika Dan Bisnis Digital 4(2):245–54. doi:10.55123/jumintal.v4i2.6604.
Indrayanto, Cahyo Gusti et al. 2023. ‘Analisis Sentimen Data Ulasan Pengguna Aplikasi MyPertamina Di Indonesia Pada Google Play Store Menggunakan Metode Random Forest’. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) 7(3):1131–39. https://journal.unj.ac.id/unj/index.php/SINTESIA/article/view/39364.
Khasanah, Nurul et al. 2021. ‘Klasifikasi Kanker Kulit Menggunakan Algoritma Forest’. SISFOTENIKA 11(2):137. doi:10.30700/jst.v11i2.1122.
Kristanto, Deni et al. 2025. ‘Pengembangan Chatbot Layanan Informasi Kampus Menggunakan TF-’. 103–15. doi:10.33364/algoritma/v.22-2.2350.
Larasati, Fanka Angelina et al. 2022. ‘Analisis Sentimen Ulasan Aplikasi Dana Dengan Metode Random Forest’. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) 6(9):4305–13. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11562?utm_source=chatgpt.com.
Morama, Hana Chyntia et al. 2022. ‘Analisis Sentimen Berbasis Aspek Terhadap Ulasan Hotel Tentrem Yogyakarta Menggunakan Algoritma Random Forest Classifier’. 6(4):1702–8.
Mulkan Azhari et al, Rika Rosnelly. 2021. ‘Perbandingan Akurasi , Recall , Dan Presisi Klasifikasi Pada Algoritma’. 5(April):640–51. doi:10.30865/mib.v5i2.2937.
Nanda, Setya et al. 2022. ‘Analisis Sentimen Kepuasan Pengguna Terhadap Layanan Streaming Mola Menggunakan Algoritma Random Forest’. Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM) 3:210–19. doi:10.31102/jatim.v3i2.1592.
Ozzi Suria et al. 2025. ‘Analisis Sentimen Terhadap Pemutusan Hubungan Kerja Di Indonesia?: Komparasi Indobert Dengan SVM, Random Forest, Dan Desicion Tree Dengan Optimasi TF-IDF’. Jurnal Teknologi Dan Sistem Informasi Univrab 10(2):1158–76. doi:10.36341/rabit.v10i2.6364.
Prasetia, Deni et al. 2025. ‘Analisis Sentimen Pengguna Aplikasi Mybluebird Dengan Algoritma Naive Bayes Di Playstore’. Jurnal Informatika Dan Teknik Elektro Terapan 13(1). doi:10.23960/jitet.v13i1.5687.
Rhomaningtias, Lina et al. 2025. ‘Analisis Sentimen Ulasan Aplikasi Smile Indonesia Menggunakan Metode Naive Bayes Dan Support Vector Machine (SVM)’. Jurnal Teknologi Informasi 16(1):79–91. doi:10.52972/hoaq.vol16no1.
Rismawan, Sendi Algifari et al. 2023. ‘Implementasi Website Berita Online Menggunakan Metode Crawling Data Dengan Bahasa Pemrograman Python’. 10(3).
Rizkiyanto, Muhamad Dafa et al. 2024. ‘Sentiment Analysis Classification on PLN Mobile Application Reviews Using Random Forest Method and TF-IDF Feature Extraction’. INTEK: Jurnal Penelitian 11(1):37–43. doi:10.31963/intek.v11i1.4774.
Rosyadi, Imam et al. 2021. ‘Pengaruh Kepuasan Kerja Terhadap Kinerja Karyawan Di RTO Dengan Structural Equation Modeling (SEM) Dan Partial Least Square (PLS)’. SURYA INFORMATIKA 11. doi:https://doi.org/10.48144/suryainformatika.v11i1.1096.
Septiani, Dwi, Ica Isabela, et al. 2022. ‘Analisis Term Frequency Inverse Document Frequency (Tf-Idf) Dalam Temu Kembali Informasi Pada Dokumen Teks’. 25:81–88.
Septiani, Dwi, and Ica Isabela. 2022. ‘Analisis Term Frequency Inverse Document Frequency (TF-IDF) Dalam Temu Kembali Informasi Pada Dokumen Teks’. Jurnal Sistem Dan Teknologi Informasi IndonesiaSINTESIA: Jurnal Sistem Dan Teknologi Informasi Indonesia 1(2):81–98. doi:10.30998/string.v5i2.7287.
Steveson, Danny et al. 2018. ‘Aplikasi Pendeteksi Plagiarisme Tugas Dan Makalah Pada Sekolah Menggunakan Algoritma Rabin Karp’. Jurnal Algoritma, Logika Dan Komputasi I(1):12–17. doi:10.30813/j-alu.v1i1.1104.
Taurina, Dyan et al. 2025. ‘Visualisasi Informasi Program Kerja Dinas Pertanian Dan Ketahanan Pangan Kabupaten Sambas Melalui Motion Graphic’. JURNAL MEDIA AKADEMIK (JMA) 3(11):3031–5220. doi:10.62281.
Wildan Pratama et al. 2021. ‘Peringkasan Otomatis Makalah Menggunakan Maximum Marginal Relevance’. Informatics And Digital Expert (INDEX) 3(01):32–37. doi:10.36423/index.v3i1.677.
Winarti, Dwi et al. 2021. ‘Penerapan Data Mining Untuk Analisa Tingkat Kriminalitas Dengan Algoritma Association Rule Metode FP-Growth’. Jurnal SIMTIKA 4(3). https://ejournal.undhari.ac.id/index.php/simtika/article/view/553.
| 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 |