Perbandingan Sentimen Ulasan Pengguna Aplikasi Ride-Hailing Gojek dan Grab Menggunakan Algoritma Multinomial Naïve Bayes
DOI:
https://doi.org/10.36080/kresna.v4i1.129Keywords:
text mining, analisis sentimen, multinomial naïve bayes, ride-hailingAbstract
Dalam era teknologi informasi yang berkembang pesat, aplikasi ride-hailing telah menjadi bagian tak terpisahkan dalam kehidupan masyarakat urban di Indonesia. Gojek dan Grab muncul sebagai dua platform terkemuka yang mendominasi industri ride-hailing di negeri ini. Keberhasilan dan penerimaan luas Gojek dan Grab menciptakan persaingan yang intens, dengan keduanya berlomba untuk memberikan layanan terbaik kepada pengguna mereka. Dalam konteks ini, analisis sentimen menjadi alat yang sangat relevan untuk memahami pandangan dan pengalaman pengguna terhadap kedua aplikasi tersebut. Penelitian ini bertujuan untuk memberikan pemahaman mendalam tentang persepsi masyarakat terhadap Gojek dan Grab dengan menganalisis sentimen melalui berbagai ulasan dan komentar yang ditinggalkan oleh pengguna. Metode yang digunakan adalah analisis sentimen dengan menggunakan metode Multinomial Naive Bayes. Hasil penelitian menunjukkan bahwa pengguna Gojek dan Grab secara umum memiliki sentimen negatif terhadap kedua aplikasi tersebut. Pengujian yang dilakukan menunjukkan bahwa model analisis sentimen yang dikembangkan memiliki akurasi 86%, presisi 96%, recall 54%, dan f1-score 69%. Untuk perbandingan performa data Gojek dan data Grab didapatkan akurasi sebesar 81% untuk data Gojek. Sedangkan Grab mendapatkan akurasi sebesar 75%. Secara keseluruhan, penelitian ini memberikan pemahaman yang berharga tentang persepsi masyarakat terhadap Gojek dan Grab. Hasil penelitian ini dapat bermanfaat bagi kedua perusahaan, peneliti, praktisi industri, dan masyarakat umum dalam memahami dinamika persaingan dalam ekosistem ride-hailing di Indonesia.Dalam era teknologi informasi yang berkembang pesat, aplikasi ride-hailing telah menjadi bagian tak terpisahkan dalam kehidupan masyarakat urban di Indonesia. Gojek dan Grab muncul sebagai dua platform terkemuka yang mendominasi industri ride-hailing di negeri ini. Keberhasilan dan penerimaan luas Gojek dan Grab menciptakan persaingan yang intens, dengan keduanya berlomba untuk memberikan layanan terbaik kepada pengguna mereka. Dalam konteks ini, analisis sentimen menjadi alat yang sangat relevan untuk memahami pandangan dan pengalaman pengguna terhadap kedua aplikasi tersebut. Penelitian ini bertujuan untuk memberikan pemahaman mendalam tentang persepsi masyarakat terhadap Gojek dan Grab dengan menganalisis sentimen melalui berbagai ulasan dan komentar yang ditinggalkan oleh pengguna. Metode yang digunakan adalah analisis sentimen dengan menggunakan metode Multinomial Naive Bayes. Hasil penelitian menunjukkan bahwa pengguna Gojek dan Grab secara umum memiliki sentimen negatif terhadap kedua aplikasi tersebut. Pengujian yang dilakukan menunjukkan bahwa model analisis sentimen yang dikembangkan memiliki akurasi 86%, presisi 96%, recall 54%, dan f1-score 69%. Untuk perbandingan performa data Gojek dan data Grab didapatkan akurasi sebesar 81% untuk data Gojek. Sedangkan Grab mendapatkan akurasi sebesar 75%. Secara keseluruhan, penelitian ini memberikan pemahaman yang berharga tentang persepsi masyarakat terhadap Gojek dan Grab. Hasil penelitian ini dapat bermanfaat bagi kedua perusahaan, peneliti, praktisi industri, dan masyarakat umum dalam memahami dinamika persaingan dalam ekosistem ride-hailing di Indonesia.
Downloads
References
Statista.com, “Pangsa pasar penjualan industri transportasi ride-hailing di Indonesia periode Januari 2021 hingga Juli 2022, menurut perusahaan.” Accessed: Feb. 13, 2024. [Online]. Available: https://www.statista.com/statistics/1004973/market-share-of-the-ride-hailing-transportation-industry-in-indonesia/
V. Fitriyana, Lutfi Hakim, Dian Candra Rini Novitasari, and Ahmad Hanif Asyhar, “Analisis Sentimen Ulasan Aplikasi Jamsostek Mobile Menggunakan Metode Support Vector Machine,” Jurnal Buana Informatika, vol. 14, no. 01, 2023.
Zaki Izzani Akbar, “Apa itu Text Mining?” Accessed: Dec. 26, 2023. [Online]. Available: https://sis.binus.ac.id/2021/04/23/apa-itu-text-mining/
D. P. Santoso and W. Wibowo, “Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier pada Situs Google Play Store,” Jurnal Sains dan Seni ITS, vol. 11, no. 2, 2022.
N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 2, no. 1, 2022.
G. Ginabila and A. Fauzi, “Analisis Sentimen Terhadap Pemutar Musik Online Spotify Dengan Algoritma Naive Bayes dan Support Vector Machine,” Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika, vol. 6, no. 2, 2023.
Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS : Jurnal Sains, Teknologi dan Informatika, vol. 10, no. 2, 2023.
F. F. Abdulloh and I. R. Pambudi, “Analisis Sentimen Pengguna Youtube Terhadap Program Vaksin Covid-19,” CSRID (Computer Science Research and Its Development Journal), vol. 13, no. 3, p. 141, Nov. 2021.
M. R. Adrian, M. P. Putra, and N. A. Rakhmawati, “Perbandingan Metode Klasifikasi Random Forest dan SVM pada Anlisis Sentimen PSBB,” Informatika UPGRIS, vol. 7, no. 1, pp. 36–40, 2021.
M. A. Saddam, E. K. Dewantara, and A. Solichin, “Sentiment Analysis of Flood Disaster Management in Jakarta on Twitter Using Support Vector Machines,” Sinkron, vol. 8, no. 1, pp. 470–479, Jan. 2023.
M. A. Hanafi and A. Solichin, “Analisis Sentimen Terhadap Pssi Atas Tragedi Kanjuruhan Menggunakan Multinomial Naïve Bayes”, Jurnal Telematika, vol. 15, no. 1, 2023.
N. Ferdyansyah and A. Solichin, “Sentiment Analysis Of Lecturer’s Learning Based On Student’s Criticism Data Using Naive Bayes Method,” Bit (Fakultas Teknologi Informasi Universitas Budi Luhur), vol. 19, no. 2, pp. 104–111, 2021.
Sunardi, A. Fadlil, and Suprianto, “Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Pada Angket Mahasiswa,” Saintekbu, vol. 10, no. 2, pp. 1–9, 2018.
A. B. Prasetyo and T. G. Laksana, “Optimization of K-Nearest Neighbors Algorithm with Cross Validation Techniques for Diabetes Prediction with Streamlit,” Journal of Applied Informatics and Computing, vol. 6, no. 2, 2022.
R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” Jurnal Teknologi Terpadu, vol. 9, no. 1, 2023.
M. Raffi, A. Suharso, and I. Maulana, “Analisis Sentimen Ulasan Aplikasi Binar Pada Google Play Store Menggunakan Algoritma Naïve Bayes Sentiment Analysis of Binar Application Reviews on Google Play Store Using Naïve Bayes Algorithm,” Journal of Information Technology and Computer Science (INTECOMS), vol. 6, no. 1, 2023.
R. A. A. Renal, Syariful Alam, and Moch Hafid T, “Komparasi Payment Digital Untuk Analisis Sentimen Berdasarkan Ulasan Di Google Playstore Menggunakan Metode Support Vector Machine,” STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer, vol. 2, no. 3, 2023.
A. Salsabila, J. J. Sihombing, and R. I. Sitorus, “Implementasi Algoritma Support Vector Machine Untuk Analisis Sentimen Aplikasi OLX di Playstore,” Journal of Informatics and Data Science, vol. 1, no. 2, 2022.
S. Sanrilla, N. Ransi, L. S. La Surimi, A. T. Andi Tenriawaru, and L. O. S. La Ode Saidi, “Analisis Sentimen Masyarakat Terhadap Toko Online Aplikasi Shopee Menggunakan Metode Multinomial Naïve Bayes,” Jurnal Matematika Komputasi dan Statistika, vol. 2, no. 2, 2022.
Kirim email ditujukan ke jurnal.drpm@budiluhur.ac.id dengan subject LostPassword sertakan username anda pada bagian isi email. Terima kasih.
