ANALISA SENTIMEN ULASAN APLIKASI TRANSPORTASI MENGGUNAKAN METODE SVM DENGAN PENDEKATAN INSET LEXICON-BASED
Article Sidebar
Read Counter : 1
Download : 5
Main Article Content
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap tiga aplikasi transportasi publik digital di Indonesia, yaitu Access by KAI, MyMRTJ, dan MitraDarat. Pendekatan yang digunakan dalam penelitian ini adalah kombinasi metode klasifikasi Support Vector Machine (SVM) dan pendekatan leksikal menggunakan kamus INSET Lexicon-Based. Data ulasan dikumpulkan melalui proses scraping dari Google Play Store dan kemudian melalui tahapan pre-processing, pelabelan sentimen, serta proses klasifikasi. Hasil penelitian menunjukkan bahwa mayoritas ulasan pengguna didominasi oleh sentimen positif. Access by KAI memperoleh ulasan positif terbanyak (446 ulasan), diikuti oleh MitraDarat (322 ulasan), dan MyMRTJ (286 ulasan). Model SVM memberikan hasil klasifikasi yang baik dengan akurasi tertinggi dicapai oleh MyMRTJ (87%), diikuti Access by KAI (84%), dan MitraDarat (82%). Selain itu, visualisasi word cloud berhasil menampilkan kata-kata dominan yang sering muncul dalam ulasan seperti "bagus", "mudah", dan "jalan", yang menunjukkan kepuasan pengguna terhadap layanan aplikasi. Pendekatan INSET Lexicon-Based terbukti efektif dalam mengenali polaritas kata dalam konteks lokal berbahasa Indonesia, serta meningkatkan akurasi pelabelan sebelum proses klasifikasi dilakukan. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan aplikasi transportasi digital berbasis data ulasan pengguna.
Article Details
Section
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan Creative Commons Attribution-ShareAlike 4.0 International License.
Authors transfer copyright or assign exclusive rights to the publisher (including commercial rights)
References
Asiyah, N. L., Mursityo, Y. T. & Setiawan, N. Y., 2025. Analisis Sentimen Ulasan Pengguna Aplikasi C-Access Menggunakan Support Vector Machine. Tersedia pada: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/14529
[Diakses 9 Mei 2025].
Culio, S. P. & Astuti, L. G., 2024. Analisis Sentimen Ulasan Aplikasi RedBus Menggunakan Metode SVM dan AdaBoost. JNATIA (Jurnal Nasional Teknologi Informasi dan Aplikasinya), 2(3), pp. 17-24.
Fathoni, M. F. N., Puspaningrum, E. Y. & Sihananto, A. N., 2024. Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM. Jurnal Informatika dan Sains Teknologi, 2(3), pp. 62-76.
Iqrom, M. et al., 2025. ANALISIS SENTIMEN APLIKASI GOJEK, GRAB, MAXIM MENGGUNAKAN ALGORITMA SVM. JURNAL INOVTEK POLBENG - SERI INFORMATIKA, 10(1), pp. 237-249.
Kholifah, B., Thoib, I., Sururi, N. & Kurnia, N. D., 2024. Analisis Sentimen Warganet terhadap Isu Layanan Transportasi Online Berbasis InSet Lexicon menggunakan Logistic Regression. Jurnal Ilmiah KLIK (Kumpulan Jurnal Ilmu Komputer), 11(1), pp. 14-25.
Madjid, M. F., Ratnawati, D. E. & Rahayudi, B., 2023. Sentiment Analysis on App Reviews Using Support Vector Machine and Naive Bayes Classification. Sinkron : Jurnal dan Penelitian Teknik Informatika, 7(1), pp. 556-562.
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, 1(2), pp. 37-43.
Nugroho, M. A. S., Susilo, D. & Retnoningsih, D., 2024. ANALISIS SENTIMEN ULASAN APLIKASI "ACCESS BY KAI" MENGGUNAKAN ALGORITMA MACHINE LEARNING. JURNAL TEKINKOM (TEKNIK INFORMASI DAN KOMPUTER), 7(2), pp. 820-827.
Putri, R. R. & Cahyono, N., 2024. ANALISIS SENTIMENKOMENTAR MASYARAKAT TERHADAP PELAYANAN PUBLIK PEMERINTAH DKI JAKARTA DENGAN ALGORITMA SUPER VECTOR MACHINE DAN NAIVE BAYES. JATI(Jurnal Mahasiswa Teknik Informatika), 8(2), pp. 2363-2371.
Sahara, S. & Zetalia, S., 2024. Analisis Efektivitas Aplikasi KAI Acces Dalam Meningkatkan Efisiensi Perjalanan Penumpang KAI Commuter Line. Journal Of Social Science Research, pp. 11904-11910.
Satria, F., Putra, W. H. N. & Hanggara, B. T., 2023. Analisis Sentimen Mengenai Kepuasan Pengguna terhadap Pelayanan Transportasi Minibus PT Mahkota Tria Wisata dengan menggunakan Metode Support Vector Machine. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(8), pp. 3577-3583.
Suanpang, P., Jamjuntr, P. & Kaewyong, P., 2021. SENTIMENT ANALYSIS WITH A TEXTBLOB PACKAGE. Journal of Management Information and Decision Sciences, 24(6), pp. 1-9.
Thomas, V. W. D. & Rumaisa, F., 2022. Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine dan TF-IDF. JURNAL MEDIA INFORMATIKA BUDIDARMA, 6(3), pp. 1767-1774.
Yutika, C. H. & Al Faraby, A. S., 2021. Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), pp. 442-430.