Analisis Sentimen Berbasis Aspek Ulasan Pengguna Aplikasi Alfagift Menggunakan Metode Random Forest dan Pemodelan Topik Latent Dirichlet Allocation
Kata Kunci:
Analisis Sentimen, Alfagift, E-commerce, Random Forest, Google Play Store, Kepuasan PenggunaAbstrak
Alfagift, sebagai platform belanja online yang dikembangkan oleh Alfamart, telah menjadi salah satu pilihan utama masyarakat Indonesia untuk memenuhi kebutuhan sehari-hari secara praktis. Namun, seiring dengan peningkatan jumlah pengguna, memahami sentimen mereka menjadi krusial dalam upaya meningkatkan pengalaman pelanggan dan daya saing platform. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna Alfagift dengan menggunakan metode Random Forest, sebuah algoritma pembelajaran mesin yang unggul dalam klasifikasi dataset teks yang kompleks. Data ulasan pengguna dikumpulkan dari Google Play Store, kemudian diolah melalui beberapa tahap, termasuk pra-pemrosesan teks seperti penghapusan kata tidak relevan, tokenisasi, dan stemming untuk membersihkan data, serta ekstraksi fitur menggunakan metode TF-IDF untuk merepresentasikan teks dalam bentuk numerik. Data kemudian dibagi menjadi data latih dan uji untuk melatih dan menguji model. Model Random Forest diterapkan untuk mengklasifikasikan sentimen ulasan menjadi positif atau negatif berdasarkan isi teks, dan hasil klasifikasi dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-score untuk menilai performanya. Analisis ini bertujuan untuk mengidentifikasi aspek-aspek spesifik seperti fitur aplikasi, pengiriman, harga, atau kualitas produk yang perlu diperbaiki untuk meningkatkan kepuasan pengguna. Temuan penelitian ini diharapkan dapat memberikan wawasan berharga bagi Alfamart untuk memperbaiki layanan Alfagift, meningkatkan loyalitas pengguna, dan memperkuat posisinya sebagai platform belanja online terpercaya dan kompetitif di Indonesia.
Referensi
Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(9), 4305–4313.
Anjani, A. F., Anggraeni, D., & Tirta, I. M. (2023). Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 163-172.
Nanda, S., Mualfah, D., & Fitri, D. A. (2022). Analisis Sentimen Kepuasan Pengguna Terhadap Layanan Streaming Mola Menggunakan Algoritma Random Forest. Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM), 3(2), 210-219.
Hendriyanto, M. D., Ridha, A. A., & Enri, U. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine. Journal of Information Technology and Computer Science (INTECOMS). 5(1), 1-7.
Hasibuan, E., & Heriyanto, E. A. (2022). Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier. Jurnal Teknik dan Science, 1(3), 13-24.
Hanifa, F., Putri, C. H., Aryananda, F. N., & Wulansari, A. (2023). Analisis Penerimaan Aplikasi Alfagift Di Kota Surabaya Menggunakan Metode Technology Acceptance Model. Jurnal Sains dan Teknologi (JSIT), 3(2), 233-244.
Alviani, V., Alam, S., & Kurniawan, I. (2023). Analisis Sentimen Review Aplikasi Wetv Pada Platform Twitter Menggunakan Support Vector Machine. STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer, 2(3), 143-149.
Jatmiko, Y. A., Padmadisastra, S., & Chadidjah, A. (2019). Analisis perbandingan kinerja cart konvensional, bagging dan random forest pada klasifikasi objek: hasil dari dua simulasi. Media Statistika, 12(1), 1-12.
Sianipar, J. F., Ramadhan, Y. R., & Jaelani, I. (2023). Analisis Sentimen Pembangunan Kereta Cepat Jakarta-Bandung di Media Sosial Twitter Menggunakan Metode Naive Bayes. KLIK: Kajian Ilmiah Informatika dan Komputer, 4(1), 360-367.
Lestari, N., Riza, O. S., & Ardinal, R. (2023). Implementation Of Text Mining And Pattern Discovery With Naive Bayes Algorithm For Classification Of Text Documents. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 14(1), 88-102.
Puspitasari, D., Subhi, D. H., & Lovenida, B. N. P. (2020, October). Pengembangan Analisis Sentimen Pada Twitter Untuk Layanan Ojek Online Menggunakan Rule Based. In Seminar Informatika Aplikatif Polinema (pp. 353-358).
Purnomo, A. (2022). Impementasi Web Scraping Pada OJS Dengan Metode CSS Selector. Resolusi: Rekayasa Teknik Informatika dan Informasi, 3(2), 176-181.
Prayitno, E., Suprawoto, T., & Riyanto, B. F. (2021). OPTIMASI HASIL PENCARIAN PADA WEB SCRAPPING MENGGUNAKAN PEMBOBOTAN KATA TF-IDF. Journal of Innovation Research and Knowledge, 1(7), 241-246.
Rahim, A. M. A., Pratiwi, I. Y. R., & Fikri, M. A. (2023). Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier. Indonesian Journal of Computer Science, 12(5).
Andersen, B., & Fagerhaug, T. (2006). Root cause analysis. Quality Press.
Ayu, S., & Lahmi, A. (2020). Peran e-commerce terhadap perekonomian Indonesia selama pandemi Covid-19. Jurnal Kajian Manajemen Bisnis, 9(2), 114-123.
Muktafin, E. H., Kusrini, K., & Luthfi, E. T. (2020). Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing. Jurnal Eksplora Informatika, 10(1), 32-42.
Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine. Journal of Information Technology, 2(1), 36-40.
Hidayati, N. N. (2023). Improving Aspect-Based Sentiment Analysis for Hotel Reviews with Latent Dirichlet Allocation and Machine Learning Algorithms. Register, 9(2), 144-159.
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.
Gupta, S., Mishra, A., & Chawla, M. (2016, October). Analysis and recommendation of common fault and failure in software development systems. In 2016 International Conference on Signal Processing, Communication, Power and Embedded System (SCOPES) (pp. 1730-1734). IEEE.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2-22.
Monroe, K. B. (1990). Pricing: Making profitable decisions. McGraw-Hill.
Garvin, D. A. (1987). Competing on the eight dimensions of quality. Harvard Business Review.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2-22.
Chopra, S., & Meindl, P. (2016). Supply chain management: Strategy, planning, and operation (6th ed.). Pearson.
Johnson, J., Peschiera, C., & Dinwoodie, J. (2012). Speed and reliability in the e-commerce delivery network. Routledge.
Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(9), 4305–4313.
Anjani, A. F., Anggraeni, D., & Tirta, I. M. (2023). Implementasi Random Forest Menggunakan SMOTE untuk Analisis Sentimen Ulasan Aplikasi Sister for Students UNEJ. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 163-172.
Nanda, S., Mualfah, D., & Fitri, D. A. (2022). Analisis Sentimen Kepuasan Pengguna Terhadap Layanan Streaming Mola Menggunakan Algoritma Random Forest. Jurnal Aplikasi Teknologi Informasi Dan Manajemen (JATIM), 3(2), 210-219.
Hendriyanto, M. D., Ridha, A. A., & Enri, U. (2022). Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine. Journal of Information Technology and Computer Science (INTECOMS). 5(1), 1-7.
Hasibuan, E., & Heriyanto, E. A. (2022). Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier. Jurnal Teknik dan Science, 1(3), 13-24.
Hanifa, F., Putri, C. H., Aryananda, F. N., & Wulansari, A. (2023). Analisis Penerimaan Aplikasi Alfagift Di Kota Surabaya Menggunakan Metode Technology Acceptance Model. Jurnal Sains dan Teknologi (JSIT), 3(2), 233-244.
Alviani, V., Alam, S., & Kurniawan, I. (2023). Analisis Sentimen Review Aplikasi Wetv Pada Platform Twitter Menggunakan Support Vector Machine. STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer, 2(3), 143-149.
Jatmiko, Y. A., Padmadisastra, S., & Chadidjah, A. (2019). Analisis perbandingan kinerja cart konvensional, bagging dan random forest pada klasifikasi objek: hasil dari dua simulasi. Media Statistika, 12(1), 1-12.
Sianipar, J. F., Ramadhan, Y. R., & Jaelani, I. (2023). Analisis Sentimen Pembangunan Kereta Cepat Jakarta-Bandung di Media Sosial Twitter Menggunakan Metode Naive Bayes. KLIK: Kajian Ilmiah Informatika dan Komputer, 4(1), 360-367.
Lestari, N., Riza, O. S., & Ardinal, R. (2023). Implementation Of Text Mining And Pattern Discovery With Naive Bayes Algorithm For Classification Of Text Documents. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 14(1), 88-102.
Puspitasari, D., Subhi, D. H., & Lovenida, B. N. P. (2020, October). Pengembangan Analisis Sentimen Pada Twitter Untuk Layanan Ojek Online Menggunakan Rule Based. In Seminar Informatika Aplikatif Polinema (pp. 353-358).
Purnomo, A. (2022). Impementasi Web Scraping Pada OJS Dengan Metode CSS Selector. Resolusi: Rekayasa Teknik Informatika dan Informasi, 3(2), 176-181.
Prayitno, E., Suprawoto, T., & Riyanto, B. F. (2021). OPTIMASI HASIL PENCARIAN PADA WEB SCRAPPING MENGGUNAKAN PEMBOBOTAN KATA TF-IDF. Journal of Innovation Research and Knowledge, 1(7), 241-246.
Rahim, A. M. A., Pratiwi, I. Y. R., & Fikri, M. A. (2023). Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier. Indonesian Journal of Computer Science, 12(5).
Andersen, B., & Fagerhaug, T. (2006). Root cause analysis. Quality Press.
Ayu, S., & Lahmi, A. (2020). Peran e-commerce terhadap perekonomian Indonesia selama pandemi Covid-19. Jurnal Kajian Manajemen Bisnis, 9(2), 114-123.
Muktafin, E. H., Kusrini, K., & Luthfi, E. T. (2020). Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing. Jurnal Eksplora Informatika, 10(1), 32-42.
Gifari, O. I., Adha, M., Freddy, F., & Durrand, F. F. S. (2022). Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine. Journal of Information Technology, 2(1), 36-40.
Hidayati, N. N. (2023). Improving Aspect-Based Sentiment Analysis for Hotel Reviews with Latent Dirichlet Allocation and Machine Learning Algorithms. Register, 9(2), 144-159.
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.
Gupta, S., Mishra, A., & Chawla, M. (2016, October). Analysis and recommendation of common fault and failure in software development systems. In 2016 International Conference on Signal Processing, Communication, Power and Embedded System (SCOPES) (pp. 1730-1734). IEEE.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2-22.
Monroe, K. B. (1990). Pricing: Making profitable decisions. McGraw-Hill.
Garvin, D. A. (1987). Competing on the eight dimensions of quality. Harvard Business Review.
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2-22.
Chopra, S., & Meindl, P. (2016). Supply chain management: Strategy, planning, and operation (6th ed.). Pearson.
Johnson, J., Peschiera, C., & Dinwoodie, J. (2012). Speed and reliability in the e-commerce delivery network. Routledge.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
