Jurnal Analisis Klasifikasi Sentimen Pengguna MyPertamina Menggunakan Metode Evaluasi Precision, Recall, dan F1-Score

Analisis Klasifikasi Sentimen Pengguna MyPertamina Menggunakan Metode Evaluasi Precision, Recall, dan F1-Score

Authors

  • Randi Estian Pambudi IIB Darmajaya
  • HendrI Purnomo IIB DARMAJAYA
  • Adimas Aglasia IIB Darmajaya

Keywords:

lKata kunci: MyPertamina; Naive Bayes; Analisis Sentimen; Klasifikasi Teks; Metrik Evaluasi

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan sentimen yang terdapat dalam ulasan pengguna aplikasi MyPertamina dengan menggunakan algoritma Naive Bayes. Ulasan pengguna dikumpulkan dan diproses terlebih dahulu menggunakan teknik umum seperti tokenisasi, case folding, penghapusan stopword, dan stemming. Ulasan kemudian dikategorikan ke dalam tiga kelas sentimen: positif, netral, dan negatif. Kinerja klasifikasi dievaluasi menggunakan metrik Precision, Recall, F1-Score, dan Akurasi. Hasil menunjukkan bahwa 87,3% ulasan bersifat negatif, yang mengindikasikan adanya ketidakpuasan umum dari pengguna. Meskipun model mencapai akurasi keseluruhan sebesar 85,09%, analisis confusion matrix menunjukkan adanya bias yang kuat terhadap kelas mayoritas. Studi ini menekankan pentingnya penanganan ketidakseimbangan kelas dalam klasifikasi sentimen dan berkontribusi pada peningkatan metode evaluasi layanan publik digital.

lKata kunci: MyPertamina; Naive Bayes; Analisis Sentimen; Klasifikasi Teks; Metrik Evaluasi

Downloads

Download data is not yet available.

Author Biographies

Randi Estian Pambudi, IIB Darmajaya

 

 

Adimas Aglasia , IIB Darmajaya

 

 

References

E. Prasetyo, S. Nurfauziah, W. A. Azahra, and Z. Nanda, “SENTIMENT ANALYSIS OF MYPERTAMINA ON GOOGLE PLAY STORE USING NAÏVE BAYES FOR SUSTAINABLE POLICIES,” vol. 22, no. 3, pp. 297–311, 2024.

Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,” J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.

M. Ikhwan, “MYPERTAMINA PADA GOOGLE PLAYSTORE,” no. x, pp. 1–12, 2024, doi: 10.56858/jmpkn.v8i1.390.

N. D. Putranti and E. Winarko, “Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 8, no. 1, p. 91, 2014, doi: 10.22146/ijccs.3499.

R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023, doi: 10.54914/jtt.v9i1.609.

D. Transiska, D. Febriawan, and F. N. Hasan, “Analisis Sentimen Terhadap Penggunaan Chatgpt Berdasarka Twitter Menggunakan Algoritma Naïve Bayes,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 1077, 2024, doi: 10.30865/mib.v8i2.7540.

I. Maulana, W. Apriandari, and A. Pambudi, “Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine,” IDEALIS Indones. J. Inf. Syst., vol. 6, no. 2, pp. 172–181, 2023, doi: 10.36080/idealis.v6i2.3022.

S. F. Intan, I. Permana, F. N. Salisah, M. Afdal, and F. Muttakin, “Perbandingan Algoritma KNN, NBC, dan SVM: Analisis Sentimen Masyarakat Terhadap Perparkiran di Kota Pekanbaru,” JUSIFO (Jurnal Sist. Informasi), vol. 9, no. 2, pp. 85–96, 2023, doi: 10.19109/jusifo.v9i2.21357.

D. T. Ksatria, Y. Yunefri, and L. L. Van FC, “Analisis Sentimen Ulasan Pengguna Aplikasi Mypertamina pada Google Playstore Menggunakan K-Nearest Neighbor dan Naïve Bayes,” Teknol. Inf., vol. 2, no. 1, pp. 213–227, 2023, [Online]. Available: https://journal.unilak.ac.id/index.php/Semaster/article/view/18526

A. Nugroho, “Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dengan Ekstrasi Fitur N-Gram,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 2, no. 2, p. 200, 2018, doi: 10.30645/j-sakti.v2i2.83.

A. Fauzi, M. F. Akbar, and Y. F. A. Asmawan, “Sentimen Analisis Berinternet Pada Media Sosial dengan Menggunakan Algoritma Bayes,” J. Inform., vol. 6, no. 1, pp. 77–83, 2019, doi: 10.31311/ji.v6i1.5437.

K. A. Lubis, M. T. Ari Bangsa, and A. Yudertha, “Analisis Sentimen Opini Masyarakat Terhadap Pindahnya Ibu Kota Indonesia Dengan Menggunakan Klasifikasi Naïve Bayes,” J. Teknoinfo, vol. 18, no. 1, pp. 226–238, 2024.

M. A. Maulana, A. Setyanto, and M. P. Kurniawan, “Analisis Sentimen media Sosial Universitas Amikom Yogyakarta Sebagai Sarana Penyebaran Informasi Menggunakan Algoritma Klasifikasi Svm.,” Semin. Nas. Teknol. Inf. dan Multimed. 2018 Univ. AMIKOM Yogyakarta, 10 Februari 2018, pp. 7–12, 2018.

R. Safitri, I. Ali, and N. Rahaningsih, “Analisis Sentimen Terhadap Tren Fashion Di Media Sosial Dengan Metode Support Vector Machine (Svm),” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1746–1754, 2024, doi: 10.36040/jati.v8i2.9045.

B. Ramadhani and R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 714, 2024, doi: 10.30865/mib.v8i2.7458.

Published

2025-08-04