Analisis Sentimen Ulasan Pelanggan terhadap Aplikasi Spotify Menggunakan Teknik Data Mining
DOI:
https://doi.org/10.59837/jpnmb.v3i2.916Keywords:
Analisis Sentimen, Spotify, Data Mining, Machine Learning, Ulasan PenggunaAbstract
Penelitian ini bertujuan untuk menganalisis sentimen ulasan pelanggan terhadap aplikasi Spotify guna mengetahui persepsi pengguna terhadap layanan yang diberikan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining. Data yang digunakan berupa 1000 ulasan pengguna yang diperoleh melalui teknik web scraping dari Google Play Store. Proses analisis dilakukan melalui tahap praproses data, pelabelan sentimen berdasarkan rating, serta ekstraksi fitur menggunakan metode TF-IDF. Selanjutnya, klasifikasi sentimen dilakukan menggunakan algoritma Naive Bayes dan Logistic Regression. Hasil penelitian menunjukkan bahwa sentimen positif mendominasi sebesar 72%, diikuti sentimen negatif sebesar 15% dan netral sebesar 13%. Selain itu, Logistic Regression memiliki performa terbaik dengan akurasi sebesar 86% dibandingkan Naive Bayes. Kesimpulan dari penelitian ini menunjukkan bahwa analisis sentimen efektif digunakan untuk memahami opini pengguna serta dapat menjadi dasar dalam meningkatkan kualitas layanan aplikasi Spotify.
References
Aggarwal, C. C., & Zhai, C. (2012). Mining Text Data. Springer.
Guzman, E., & Maalej, W. (2014). How do users like this feature? A fine-grained sentiment analysis of app reviews. IEEE International Requirements Engineering Conference, 153–162.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Indurkhya, N., & Damerau, F. J. (2010). Handbook of Natural Language Processing. CRC Press.
Kurniawan, D., & Putri, A. (2021). Analisis sentimen ulasan aplikasi berbasis Android menggunakan metode Naive Bayes. Jurnal Informatika, 9(2), 45–52.
Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press.
Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093–1113.
Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval.
Prasetyo, A., Hidayat, R., & Kurniawan, D. (2022). Analisis sentimen ulasan aplikasi mobile banking Indonesia menggunakan Support Vector Machine. Jurnal Ilmu Komputer dan Informatika, 8(2), 112–121.
Rahman, F., & Santika, D. (2020). Implementasi text mining pada analisis sentimen pengguna aplikasi digital. Jurnal Teknologi Informasi dan Komunikasi, 7(1), 23–30.
Saputra, R., & Wibowo, A. (2022). Penerapan machine learning untuk klasifikasi sentimen pada ulasan pengguna aplikasi mobile. Jurnal Sistem Informasi, 11(2), 101–110.
Siyoto, S., & Sodik, A. (2015). Dasar Metodologi Penelitian. Yogyakarta: Literasi Media Publishing.
Wulandari, S., & Santoso, B. (2023). Perbandingan algoritma machine learning untuk klasifikasi sentimen pada ulasan aplikasi e-commerce berbahasa Indonesia. Jurnal Teknologi Informasi, 15(1), 45–58.
Zhang, L., Wang, S., & Liu, B. (2018). Deep learning for sentiment analysis: A survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 8(4).
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Christoper Ade Immanuel, Bakti Nendra Khurrohim, Moch Naufal Ardiansyah, Alif Fadhillah Laili Putri, Muhammad Arifin
This work is licensed under a Creative Commons Attribution 4.0 International License.
