Perbandingan Kinerja Naïve Bayes dan Logistic Regression pada Analisis Sentimen Access by KAI

Nadya Mayla Putri Rahmadani; Muhamad Rizaludin

doi:10.31004/riggs.v5i2.13244

Authors

Nadya Mayla Putri Rahmadani Institut Teknologi dan Sains Nadhlatul Ulama Pekalongan
Muhamad Rizaludin Institut Teknologi dan Sains Nadhlatul Ulama Pekalongan

DOI:

https://doi.org/10.31004/riggs.v5i2.13244

Keywords:

Anaisis Sentimen, Naive Bayes, Logistic Regresion, Access By KAI

Abstract

Penelitian ini membandingkan kinerja algoritma Naive Bayes dan Logistic Regression dalam analisis sentimen ulasan pengguna aplikasi Access By KAI yang diperoleh dari Google Play Store. Data dikumpulkan melalui metode web scraping pada periode 30 Oktober 2025 hingga 30 Desember 2025, kemudian dilakukan tahapan preprocessing yang meliputi cleaning, case folding, tokenizing, stopword removal, stemming, dan pembobotan TF-IDF. Dataset diklasifikasikan ke dalam dua kelas sentimen, yaitu positif dan negatif, lalu dievaluasi menggunakan RapidMiner dengan metrik confusion matrix yang mencakup accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Naive Bayes memperoleh akurasi sebesar 100, sedangkan Logistic Regression memperoleh akurasi sebesar 93,91. Pada model Logistic Regression, seluruh ulasan positif berhasil diklasifikasikan dengan benar, namun masih terdapat beberapa ulasan negatif yang salah diklasifikasikan sebagai positif. Berdasarkan hasil tersebut, Naive Bayes menunjukkan performa yang lebih baik pada dataset ini dan dapat direkomendasikan sebagai metode yang lebih efektif untuk klasifikasi sentimen ulasan pengguna Access By KAI.

Downloads

Download data is not yet available.

References

[1] J. Yumame, “Analisis Kualitas Pelayanan Publik di Era Digital: Implementasi dan Tantangan,” 2024. [Online]. Available: https://attractivejournal.com/index.php/bce/

[2] Ariyanti and Susanti, “Identifikasi Pengguna Aplikasi Transportasi Access by KAI dengan Ulasan dan Rating Menggunakan Analisis Sentimen,” 2024.

[3] Sulaeman and Sukarsa, “mrizal1,+79.+Penelitian+S5+-+Pengembangan+Aplikasi+Mobile+Berbasis+Kecerdasan+Buatan+untuk+Meningkatkan+Efisiensi+Proses+Bisnis,” 2024.

[4] R. Damanhuri and V. A. Husein, “Analisis Sentimen pada Ulasan Aplikasi Access by KAI Berbahasa Indonesia Menggunakan Word-Embedding dan Classical Machine Learning,” Jurnal Masyarakat Informatika, vol. 15, no. 2, pp. 97–106, Nov. 2024, doi: 10.14710/jmasif.15.2.62383.

[5] M. R. Hanafi and R. K. R, “Analisis Sentimen pada Ulasan Aplikasi Sirekap di Google Play Menggunakan Algoritma Naive Bayes,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 4, pp. 1578–1586, Oct. 2024, doi: 10.57152/malcom.v4i4.1693.

[6] B. Agustian, D. N. Hadimin, U. Sangga, B. Ypkp, and K. Bandung, “Deni Nurdyana Hadimin / Analisis Efektivitas Penerapan Mobile Application KAI Access Di PT Kereta Api Indonesia (Persero) 19,” 2022.

[7] S. Fauziah et al., “KOMPARASI METODE FEATURE SELECTION TEXT MINING PADA PERMASALAHAN KLASIFIKASI KELUHAN PELANGGAN INDUSTRI TELEKOMUNIKASI MENGGUNAKAN SMOTE DAN NAÏVE BAYES COMPARISON OF TEXT MINING FEATURE SELECTION METHODS IN THE CLASSIFICATION OF CUSTOMER COMPLAINTS IN THE TELECOMMUNICATION INDUSTRY USING SMOTE AND NAÏVE BAYES,” 2023.

[8] neal Efrata Madao, A. Irsyad, and M. Rivani Ibrahim, “ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI JAMSOSTEK MOBILE DENGAN MENGGUNAKAN NAIVE BAYES DAN LOGISTIC REGRESSION,” Jurnal Teknologi Informasi, vol. 6, no. 2, 2025, doi: 10.46576/djtechno.

[9] M. Rifqi Mikatama and M. Reza, “ANALISIS SENTIMEN TERHADAP WARGA NET PADA LAGA AFC U23 INDONESIA VS KOREA SELATAN,” 2024.

[10] KHUSNU NOVA LUTHFI, “ANALISIS SENTIMEN PENGGUNA APLIKASI ACCESS BY KAI,” 2025.

[11] V. B. Lestari and C. A. Hutagalung, “J-KOMA Journal of Computer Science and Applications Evaluation of TF-IDF Extraction Techniques in Sentiment Analysis of Indonesian-Language Marketplaces Using SVM, Logistic Regression, and Naive Bayes,” pp. 22–2025, 2023, doi: 10.21009/j.

[12] R. Marta Dinata, E. Rayhana, V. Hadi, and U. Alkaf, “ANALISIS KOMPREHENSIF KINERJA MODEL KLASIFIKASI SENTIMEN: EVALUASI LINTAS METRIK PADA DATASET TWEET FILM BAHASA INDONESIA,” Jurnal Rekayasa Informasi, vol. 14, no. 1, p. 2025, 2024.

[13] S. A. H. Bahtiar, C. K. Dewa, and A. Luthfi, “Comparison of Naïve Bayes and Logistic Regression in Sentiment Analysis on Marketplace Reviews Using Rating-Based Labeling,” Journal of Information Systems and Informatics, vol. 5, no. 3, pp. 915–927, Aug. 2023, doi: 10.51519/journalisi.v5i3.539.

[14] R. Vikri, A. E. Al, R. V. Alif, and A. H. Hasugian, “Analisis Sentimen Ulasan Pelanggan Aplikasi Hokben Di Google Playstore Menggunakan Metode Support Vector Machine,” vol. 07, no. 02, 2025, doi: 10.54209/jatilima.v7i02.1501.

[15] N. Zeliana Putri, A. Rinaldi Dikananda, and A. Rifa, “Jurnal Informatika Terpadu ANALISIS SENTIMEN APLIKASI SEABANK DENGAN ALGORITMA NAIVE BAYES UNTUK OPTIMALISASI PELAYANAN,” Jurnal Informatika Terpadu, vol. 11, no. 1, pp. 55–62, 2025, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/JIT