Analisis Sentimen Ulasan Aplikasi TikTok di Google Playstore Menggunakan Algoritma Naive Bayes

M Taufik Fajar Maulana; Bangkit Indarmawan Nugroho; Erni Unggul Sedya Utami

doi:10.31004/riggs.v4i3.2962

Authors

M Taufik Fajar Maulana Universitas Harkat Negeri
Bangkit Indarmawan Nugroho Universitas Harkat Negeri
Erni Unggul Sedya Utami Universitas Harkat Negeri

DOI:

https://doi.org/10.31004/riggs.v4i3.2962

Keywords:

Analisis Sentimen, Naive Bayes, TikTok, Ulasan Pengguna, Google Playstore

Abstract

Aplikasi mobile seperti TikTok telah menjadi bagian penting dari aktivitas sehari-hari sehingga perlu dipahami perspektif pengguna melalui ulasan untuk meningkatkan kualitas aplikasi. Penelitian ini menganalisis sentimen ulasan pengguna TikTok di Google Playstore, mengevaluasi performa algoritma klasifikasi, serta mengidentifikasi dinamika sentimen dan kata kunci utama sebagai dasar pengambilan keputusan strategis. Sebanyak 3.000 ulasan dikumpulkan dengan teknik web scraping dan diproses melalui tahapan pre-processing teks seperti casefolding, penghapusan tanda baca, normalisasi, stopword removal, tokenizing, dan stemming. Fitur teks diekstraksi menggunakan metode TF-IDF, sedangkan analisis sentimen dilakukan dengan algoritma Naive Bayes. Hasil klasifikasi menunjukkan 54,6% ulasan bersentimen positif, 44,1% negatif, dan 1,4% netral. Model Naive Bayes menghasilkan akurasi 83% dengan nilai precision, recall, dan F1-score yang baik pada setiap kelas sentimen. Analisis temporal dari April hingga Juni 2025 menunjukkan adanya fluktuasi sentimen, sementara identifikasi kosakata dominan pada ulasan negatif memberikan masukan langsung bagi pengembang untuk perbaikan fungsi aplikasi. Penelitian ini menyimpulkan bahwa analisis sentimen efektif sebagai dasar strategi peningkatan kualitas aplikasi secara berkelanjutan.

Downloads

Download data is not yet available.

References

S. T. Jokhanan Kristiyono and M. M. Kom, Konvergensi Media: Transformasi Media Komunikasi di era digital pada Masyarakat Berjejaring. Prenada Media, 2022.

R. Jayanthi and A. Dinaseviani, “Kesenjangan digital dan solusi yang diterapkan di Indonesia selama pandemi COVID-19,” JURNAL IPTEKKOM (Jurnal Ilmu Pengetahuan & Teknologi Informasi), vol. 24, no. 2, pp. 187–200, 2022.

C. A. Septiyadi, Z. Khafifah, A. S. Khumairoh, and A. F. Hidayatullah, “Truth dan Post Truth dalam Perspektif Al-Kindi pada Era Milenial (Media Sosial),” Jurnal Penelitian Humaniora, vol. 22, no. 1, pp. 40–50, 2021.

F. A. Hasny, S. H. Renadia, and I. Irwansyah, “Eksplorasi konsep diri para pengguna TikTok dalam memenuhi social needs pada uses and gratification theory,” Jurnal Lensa Mutiara Komunikasi, vol. 5, no. 2, pp. 114–127, 2021.

H. Febriani and S. Komsiah, “Hubungan Intensitas Menonton Konten Video Dance TikTok Dengan Perilaku Fear Of Missing Out Pada Remaja,” IKRA-ITH HUMANIORA: Jurnal Sosial dan Humaniora, vol. 9, no. 1, pp. 259–265, 2025.

A. L. Panayitsa and P. Al Falah, “Dampak Aplikasi Tiktok Terhadap Kebudayaan Indonesia,” Filosofi: Publikasi Ilmu Komunikasi, Desain, Seni Budaya, vol. 2, no. 1, pp. 75–88, 2025.

A. Mario, “Analisis Followers to Likes Ratio Tik Tok Pada 5 Brand Sepatu Lokal Indonesia Terbaik,” 2021.

O. Manullang, C. Prianto, and N. H. Harani, “Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based Dan Random Forest,” Jurnal Ilmiah Informatika, vol. 11, no. 02, pp. 159–169, 2023.

P. Ramadani, R. Fadillah, Q. Adawiyah, S. Suerni, and B. R. Al Ghazali, “Perbandingan Algoritma Naïve Bayes, C4. 5, dan K-Nearest Neighbor untuk Klasifikasi Kelayakan Program Keluarga Harapan,” Jurnal Media Informatika, vol. 6, no. 1, pp. 775–782, 2024.

D. Nurwahidah, G. Dwilestari, N. D. Nuris, and R. Narasati, “Analisis Sentimen Data Ulasan Pengguna Aplikasi Google Kelas Pada Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3673–3678, 2023.

R. L. Mustofa, T. L. Mustofa, and C. E. Widodo, “Analisis Sentimen Berbasis Aspek Pada Aplikasi Elektronik Survei Kepuasan Masyarakat (E-SKM) Jawa Tengah Menggunakan Indobert,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 4, pp. 867–874, 2025.

M. M. Ali, “Metodologi penelitian kuantitatif dan penerapan nya dalam penelitian,” JPIB: Jurnal Penelitian Ibnu Rusyd, vol. 1, no. 2, pp. 1–5, 2022.

F. Panjaitan et al., “Studi Komparatif Algoritma Machine Learning Pada Analisis Sentimen Media Sosial,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 2, pp. 3145–3152, 2025.

A. Z. Rizquina and C. I. Ratnasari, “Implementasi Web Scraping untuk Pengambilan Data Pada Website E-Commerce,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 4, pp. 377–383, 2023.

R. A. Afif, “Analisis Sentimen Aplikasi Adiraku di Google Play Store Menggunakan Metode Support Vectore Machine,” JURNAL FASILKOM, vol. 15, no. 1, pp. 163–171, 2025.

D. Septiani and I. Isabela, “Analisis term frequency inverse document frequency (tf-idf) dalam temu kembali informasi pada dokumen teks,” Sistem dan Teknologi Informasi Indonesia (SINTESIA), vol. 1, no. 2, pp. 81–88, 2022.