ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI GOJEK MENGGUNAKAN METODE TF-IDF DAN ALGORITMA RANDOM FOREST

Abstract

Data ulasan pengguna merupakan sumber data sekunder yang potensial untuk memahami kebutuhan pasar dan meningkatkan kualitas layanan. Penelitian ini mengkaji penerapan algoritma Random Forest untuk melakukan klasifikasi sentimen terhadap ulasan pengguna aplikasi Gojek berbahasa Indonesia ke dalam tiga kategori, yaitu positif, negatif, dan netral. Data ulasan diperoleh melalui teknik web scraping menggunakan API Google-Play-Scraper. Proses pra-pemrosesan dilakukan secara menyeluruh menggunakan pustaka Sastrawi, kemudian data diubah menjadi representasi numerik menggunakan metode TF-IDF. Model Random Forest yang dibangun menunjukkan kinerja yang cukup optimal, dengan akurasi sebesar 85%. Evaluasi performa menunjukkan bahwa model memiliki kemampuan sangat baik dalam mengklasifikasikan sentimen negatif (F1-score 0,92) dan cukup seimbang untuk sentimen positif (F1-score 0,67). Namun, model mengalami kesulitan dalam mengenali sentimen netral, dengan F1-score yang rendah sebesar 0,26, yang menunjukkan tantangan dalam menangani kelas minoritas.Secara keseluruhan, hasil penelitian ini membuktikan bahwa algoritma Random Forest efektif digunakan untuk klasifikasi sentimen teks berbahasa Indonesia, khususnya dalam konteks layanan transportasi daring seperti Gojek. Penelitian ini juga memberikan wawasan praktis bagi pengembang aplikasi dalam meningkatkan kualitas layanan dan menjaga kepuasan pengguna secara berkelanjutan, serta membuka peluang pengembangan model lebih lanjut dengan pendekatan seperti penyeimbangan kelas.