Implementasi Algoritma Model Random Forest, SVM Dan Naive Bayes Untuk Sentimen Analisis Aplikasi Gojek Di Playstore

Abstract

Aplikasi Gojek merupakan  satu platform layanan tranfortasi terkemuka di Indonesia. Aplikasi gojek yang mulai berkembang sejak tahun 2010 banyak sekali menerima ulasan dari pengalaman  konsumen (pengguna) terkait dari penggunaan aplikasi ini. Ulasan ini mencerminkan kepuasan terkait penggunaan aplikasi ini berdasarkan hasil dari pengalaman pengguna. Penelitian ini bertujuan untuk mengevaluasi sentiment pengguna terhadap aplikasi Gojek yang sudah diunggah di Playstore dengan menerapkan model mesin learning Random Forest, Support Vector Machine (SVM), dan Naive Bayes. Dataset yang diolah sebanyak 10.000 data yang dianalisis dari tahun 2018 sampai dengan 2025. Dalam periode tahun 2018 hingga 2024, jumlah ulasan pelanggan menunjukkan peningkatan setiap tahunnya. Pada tahun 2025, tercatat sebanyak 2.474 ulasan negatif, 387 ulasan netral, dan 1.502 ulasan positif. SVM menghasilkan nilai akurasi tertinggi 0.7676666666666667 diikuti oleh Random Forest 0. 0.7466666666667 dan Naïve Bayes dengan akurasi 0.7377777723789 Dari hasil nilai akurasi tersebut  menunjukkan bahwa Random Forest memiliki kinerja paling efektif untuk  mengklasifikasikan ulasan sentimen dibandingkan dua model lainnya. Efektivitas model pembelajaran mesin Random Forest, SVM dan Naïve Bayes yang digunakan dalam penelitian ini memberikan wawasan penting terkait kepuasan pengguna terhadap aplikasi Gojek. Informasi ini dapat dimanfaatkan untuk pengambilan keputusan strategis dalam meningkatkan kualitas layanan aplikasi. Dengan menganalisis ulasan , penelitian ini diharapkan dapat memberikan kontribusi dalam mengembangkan inovasi layanan aplikasi gojek yang lebih responsif terhadap kebutuhan dan harapan konsumen