Analisis Sentimen Aplikasi M-Pajak  Menggunakan Machine Learning Berbasis Algoritma Xgboost

I Putu Gede Abdi Sudiatmika; Dewa Ayu Mas Putriari Nusantari; Wayan Andrika Putera

doi:10.31004/riggs.v5i1.6425

Authors

I Putu Gede Abdi Sudiatmika Politeknik Negeri Bali
Dewa Ayu Mas Putriari Nusantari Politeknik Negeri Bali
Wayan Andrika Putera Insitut Teknologi dan Bisnis Stikom Bali

DOI:

https://doi.org/10.31004/riggs.v5i1.6425

Keywords:

Analisis sentimen, M-Pajak, Google Play Store, machine learning, XGBoost, text mining

Abstract

Analisis sentimen terhadap ulasan pengguna aplikasi merupakan pendekatan penting untuk memahami persepsi dan tingkat kepuasan pengguna terhadap layanan digital. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi M-Pajak pada platform Google Play Store dengan menggunakan algoritma machine learning XGBoost. Data yang digunakan dalam penelitian ini berupa 5.825 ulasan pengguna yang diperoleh melalui proses web scraping. Tahapan penelitian meliputi preprocessing data teks yang terdiri dari cleaning, case folding, normalisasi kata, tokenizing, stopword removal, dan stemming untuk menghasilkan data yang terstruktur. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon-based dengan InSet Lexicon sehingga data diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, netral, dan negatif. Dataset kemudian dibagi menjadi data pelatihan dan data pengujian dengan rasio 80% dan 20% menggunakan teknik stratified sampling. Model XGBoost dilatih menggunakan representasi fitur TF-IDF dan dievaluasi menggunakan confusion matrix, accuracy, serta classification report. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi dengan persentase 59,15%, diikuti oleh sentimen positif sebesar 24,80% dan sentimen netral sebesar 16,05%. Model yang dibangun menghasilkan nilai akurasi sebesar 81,21%, dengan performa terbaik pada kelas sentimen negatif yang memperoleh nilai F1-score sebesar 0,89. Temuan ini menunjukkan bahwa aplikasi M-Pajak masih menghadapi berbagai kendala teknis yang memengaruhi pengalaman pengguna, sehingga hasil penelitian ini dapat dijadikan sebagai bahan evaluasi untuk meningkatkan kualitas dan kinerja layanan aplikasi..

Downloads

Download data is not yet available.

References

Imani M, Beikmohammadi A, Arabnia HR. Comprehensive Analysis of Random Forest and XGBoost Performance with SMOTE, ADASYN, and GNUS Under Varying Imbalance Levels. Technologies. 2025;13(3).

Susilawaty TE, Azzahra AS. The effect of ease of use of M-Pajak and ease of use of e-form on MSMEs taxpayer compliance. Enrich J Manag. 2023;13(1).

Effendi HN, Sandra A. ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI TINDAKAN WAJIB PAJAK MELAKUKAN PENGGELAPAN PAJAK. J Akunt. 2022;11(1).

Husaeri NS, Utami CK. KESADARAN WAJIB PAJAK DAN SANKSI PERPAJAKAN TERHADAP MOTIVASI MEMBAYAR PAJAK DENGAN PERAN TAX AMNESTY SEBAGAI PEMODERASI. J Ilm Manajemen, Ekon Akunt. 2023;7(2).

Sudiatmika IPGA, Saputra PS, Rahardian RL, Dewi KHS. Sentiment Analysis of Tourist Reviews on Google Maps For Pura Besakih Using Machine Learning Algorithms. J Mandiri IT. 2025;14(1).

Faisol A. Analisis Sentimen M-Pajak Menggunakan Algoritma Support Vector Machine, Naive Bayes dan KNN. J Nas Komputasi dan Teknol Inf. 2024;7(5).

Batan GA, Keytimu MJ, Katumbo FL, Binanto I, Sianipar NF. Penerapan Metode Random Forest, Gaussian NB, Dan KNN Terhadap Data Unbalance dan Data Balance Menggunakan Random Over Sampling Untuk Klasifikasi Senyawa Keladi Tikus. Pros Semin Nas Tek Elektro, Inform Sist Inf. 2023;2(1).

Muhammad Titan Rama Adi Wijaya, Ida Widaningrum, Angga Prasetyo, Dyah Mustikasari. Using SVM and KNN for Predicting Customer Response Sentiment of M-PAJAK Application. Khazanah Inform J Ilmu Komput dan Inform. 2025;11(1).

Himi ST, Monalisa NT, Whaiduzzaman MD, Barros A, Uddin MS. MedAi: A Smartwatch-Based Application Framework for the Prediction of Common Diseases Using Machine Learning. IEEE Access. 2023;11.

Gupta N, Kaushik B, Rahmani MKI, Lashari SA. Performance Evaluation of Deep Dense Layer Neural Network for Diabetes Prediction. Comput Mater Contin. 2023;76(1).

Munawar Z. Pengelolaan Pajak di Kerajaan Mataram Islam Masa Sultan Agung, 1613-1645 M. JUSPI (Jurnal Sej Perad Islam. 2020;4(1).

Anggraini A, Fahriani D, Muzakki K, Wicaksono A. Pengaruh Literasi Pajak, Kesadaran Wajib Pajak dan Penggunaan Aplikasi M-Pajak Usaha Mikro, Kecil dan Menengah (UMKM) Kabupaten Sidoarjo terhadap Kepatuhan Wajib Pajak. JIIP - J Ilm Ilmu Pendidik. 2025;8(4).

Hakkal S, Lahcen AA. XGBoost To Enhance Learner Performance Prediction. Comput Educ Artif Intell. 2024;7.

Zhang P, Jia Y, Shang Y. Research and application of XGBoost in imbalanced data. Int J Distrib Sens Networks. 2022;18(6).

I Gusti Ngurah PA, I Made Dwi Darma Artanaya, Komang Ayu Krisna Dewi, I Putu Gede Abdi Sudiatmika. AI-Based Tourist Guide Application in Bali Using Supervised Learning Method. ARRUS J Eng Technol. 2024;4(2).

Dzulkarnain T, Ratnawati DE, Rahayudi B. Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Penilaian Masyarakat Terhadap Pelayanan Rumah Sakit di Malang. J Teknol Inf dan Ilmu Komput. 2024;11(5).

Cahyani AD. Analisa Kinerja Metode Support Vector Machine untuk Analisa Sentimen Ulasan Pengguna Google Maps. J Comput Syst Informatics. 2023;4(3).

Razali MN, Manaf SA, Hanapi RB, Salji MR, Chiat LW, Nisar K. Enhancing Minority Sentiment Classification in Gastronomy Tourism: A Hybrid Sentiment Analysis Framework with Data Augmentation, Feature Engineering and Business Intelligence. IEEE Access. 2024;12.