Penerapan Metode Random Forest dalam Analisis Sentimen Ulasan Pengguna Aplikasi Newsakpole
DOI:
https://doi.org/10.52072/unitek.v18i1.1445Keywords:
Analisis Sentimen, Random Forest, Data Mining, Newsakpole.Abstract
Aplikasi layanan publik memiliki peran penting dalam menyederhanakan proses birokrasi dan meningkatkan kepuasan masyarakat. Namun, ketidaksesuaian antara performa aplikasi dan ekspektasi pengguna sering kali memicu munculnya umpan balik yang bersifat kritis. Penelitian ini bertujuan untuk mengkaji persepsi dan sentimen pengguna terhadap aplikasi Newsakpole, sebuah layanan digital yang dikembangkan untuk mempermudah administrasi pajak kendaraan di Provinsi Jawa Tengah, Indonesia. Dataset yang digunakan terdiri dari 7.000 ulasan pengguna berbahasa Indonesia yang dikumpulkan dari Google Play Store melalui metode web scraping. Algoritma Random Forest diterapkan untuk mengklasifikasikan sentimen ke dalam dua kategori, yaitu positif dan negatif, setelah melalui serangkaian tahapan preprocessing teks yang komprehensif. Model yang dibangun berhasil mencapai tingkat akurasi sebesar 91,86%, precision 91,54%, recall 91,86%, dan F1-score 91,03%. Visualisasi wordcloud mengungkapkan bahwa sentimen negatif umumnya berkaitan dengan masalah kegunaan dan kesalahan teknis, sedangkan umpan balik positif menyoroti manfaat layanan. Temuan dari penelitian ini memberikan kontribusi praktis dalam penerapan machine learning untuk evaluasi layanan publik, serta menawarkan wawasan yang dapat dimanfaatkan oleh pengembang dalam meningkatkan pengalaman pengguna secara keseluruhan.
Downloads
References
Adhan, Safira Nur et al. 2024. “Analisis Sentimen Ulasan Aplikasi Wattpad Di Google Play Store Dengan Metode Random Forest.” AnoaTIK: Jurnal Teknologi Informasi dan Komputer 2(1): 6–15.
Al-Husna, Gishella Septania, Dian Asmarajati, Iman Ahmad Ihsannuddin, and Mahmudati Rina. 2024. “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Pada Ulasan Pengguna Aplikasi Linkedin.” STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer 3(2): 139–44.
Budiman, Faris, and Retno Sunu Astuti. 2021. “Inovasi ‘New Sakpole’ Sebagai Strategi Pelayanan Publik Berbasis E-Government Untuk Pembayaran Pajak Kendaraan Bermotor Di Jawa Tengah.” Jurnal Ilmiah Edunomika 5(2): 755.
Busrayan, Irzan, and Andrianingsih. 2025. “Analisis Sentimen Pelanggan Terhadap Aplikasi WONDR By BNI Menggunakan Naive Bayes, Support Vector Machine (SVM), Dan K- Nearest Neighbor (KNN).” Journal of Computer Science and Information Technology (JCSIT) 2(2): 263–74.
Harahap, Fitriana et al. 2023. “Implementasi Data Mining Dalam Memprediksi Produk AC Terlaris Untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes.” Jurnal Unitek 16(1): 41–51.
Herjanto, Muhamad Fajar Yudhistira, and Carudin Carudin. 2024. “Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Pada Play Store Menggunakan Algoritma Random Forest Classifer.” Jurnal Informatika dan Teknik Elektro Terapan 12(2): 1204–10.
Horsa, Obsa Gelchu, and Kula Kekeba Tune. 2023. “Aspect-Based Sentiment Analysis for Afaan Oromoo Movie Reviews Using Machine Learning Techniques.” Applied Computational Intelligence and Soft Computing 2023.
Iqbal, Khalid, and Muhammad Shehrayar Khan. 2022. “Email Classification Analysis Using Machine Learning Techniques.” Applied Computing and Informatics.
Jihad, Muhammad Asjad Adna, Adiwijaya, and Widi Astuti. 2021. “Analisis Sentimen Terhadap Ulasan Film Menggunakan Algoritma Random Forest.” e-Proceeding of Engineering 8(5): 10153–65.
Kaeren, and Andrianingsih. 2025. “Analisis Sentimen Aplikasi Linkaja Di Google Play Store Menggunakan Algoritma Naïve Bayes Dan Random Forest.” Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) 06(02): 438–47.
Kejriwal, Ruchi, Monika Garg, and Gaurav Sarin. 2024. “Predict Financial Text Sentiment: An Empirical Examination.” Vilakshan - XIMB Journal of Management 21(1): 44–54.
Maulana, Muhammad Iqbaal, and Nina Widowati Maesaroh. 2022. “Inovasi Sakpole (Sistem Administrasi Kendaraan Pajak Online) Pada Pembayaran Pajak Kendaraan Bermotor Di Samsat Semarang II.” Journal of Public Policy and Management Review 11(1): 1–14. http://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps://www.researchgate.net/publication/305320484_SISTEM_PEMBETUNGAN_TERPUSAT_STRATEGI_MELESTARI.
Pratmanto, Dany, Aprih Widayanto, Yustina Meisella Kristania, and Ragil Wijianto. 2024. “Analisis Perbandingan Algoritma Naive Bayes Dan KNN Untuk Analisis Sentimen Ulasan Pengguna Aplikasi Vidio Di Google Play Store.” Computer and Network Technology 4(2): 119–24.
Sholeh, Muhammad, Suraya Suraya, and Dina Andayati. 2024. “Penerapan Data Mining Pada Model Clustering Data Kuesioner Mahasiswa Terhadap Kinerja Dosen.” Jurnal Eksplora Informatika 13(2): 208–17.
Susanto, Eko Budi, Paminto Agung Christianto, Mohammad Reza Maulana, and Sattriedi Wahyu Binabar. 2022. “Analisis Kinerja Algoritma Naïve Bayes Pada Dataset Sentimen Masyarakat Aplikasi NEWSAKPOLE Samsat Jawa Tengah.” Jurnal CoSciTech (Computer Science and Information Technology) 3(3): 234–41.
Syahputra, Rizki Agam, and Maulia Rahmi Hanifah. 2024. “Metode Analisis Kesehatan Dengan Mengguakan Mechine Learning Atau Artificial Inteligenci Atau Data Mining Literature Review.”
Winoto, Depro et al. 2024. “Analisis Sentimen Pada Ulasan Pengguna Terhadap Aplikasi Pembelajaran Bahasa Duolingo: Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor.” JATI (Jurnal Mahasiswa Teknik Informatika) 8(3): 3230–36.
