Analisis Sentimen Terhadap Aplikasi Google Meet Berdasarkan Komentar Pengguna Menggunakan Metode Logistic Regresion

Refandi Yusuf; Kanzun Bahumatra; Nurul Komaria; Elyana Azatul Aqma; Laili Cahyani

doi:10.21107/edutic.v11i1.28113

Analisis Sentimen Terhadap Aplikasi Google Meet Berdasarkan Komentar Pengguna Menggunakan Metode Logistic Regresion

Refandi Yusuf, Kanzun Bahumatra, Nurul Komaria, Elyana Azatul Aqma, Laili Cahyani

Abstract

Google Meet merupakan aplikasi video conference yang digunakan untuk kegiatan jarak jauh secara online. Google Meet memiliki fitur-fitur yang mudah digunakan dan dapat melakukan panggilan video berkualitas tinggi. Penggunaan aplikasi Google Meet dalam sehari bisa mencapai 100 juta pengguna. Namun setelah menggunakan aplikasi Google Meet terdapat perbedaan pendapat memberikan rasa kepuasan dan ketidakpuasan terhadap aplikasi Google Meet. Hal ini dapat diamati dari ulasan yang diberikan pengguna pada kolom komentar di Play Store. Pada penelitian ini menggunakan metode logistic regression dan dilakukan analisis sentimen pengguna aplikasi Google Meet yang bertujuan mengelompokkan ulasan pengguna dalam bentuk sentimen positif, negatif dan netral. Sampel data yang digunakan adalah 700 data ulasan pengguna Google Meet, pengujian analisis sentimen dilakukan menggunakan metode logistic regression menunjukkan nilai akurasi sebesar 79.59%, dengan rincian ulasan negatif memiliki precision 100%, recall 16.67%, dan f1-score 28.57%. Ulasan netral memiliki precision 0%, recall 0%, dan f1-score 0%. Ulasan positif memiliki precision 79.02%, recall 100%, dan f1-score 88.28%. Secara umum didapatkan informasi mengenai kata yang paling sering muncul dalam kelas sentimen positif adalah bagus, mudah, mantap, oke, bantu, gambar, suara jernih, bermanfaat, keren, lancar, baru, coba, kualitas gambar baik, suka dan terimakasih. Sedangkan untuk kelas negatif didapatkan informasi mengenai kata yang paling sering muncul dalam kelas sentimen negatif adalah jelek, hapus, sulit, dan lambat. Dengan penelitian tersebut dapat dijadikan acuan dalam meningkatkan kualitas aplikasi Google Meet.

Keywords

Google Meet; Logistic Regression; Sentimen

Full Text:

PDF

References

Agustina, L., Fayardi, A. O., & Irwansyah, I. (2018). Online Review: Indikator Penilaian Kredibilitas Online dalam Platform E-commerce. Jurnal ILMU KOMUNIKASI, 15(2), 141–154. https://doi.org/10.24002/jik.v15i2.1320

Hermanto, H., & Noviriandini, A. (2021). Analisa Sentimen Terhadap Belajar Online Pada Masa Covid-19 Menggunakan Algoritma Support Vector Machine Berbasis Particle Sarm Optimization. Jurnal Informatika Kaputama (JIK), 5(1), 129–136. https://jurnal.kaputama.ac.id/index.php/JIK/article/view/451

Ramli, Yuniarti, D., & Goejantoro, R. (2013). Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan ( Studi Kasus : Pemilihan Jurusan Bahasa dan IPS pada SMAN 2 Samarinda Tahun Ajaran Comparison of Classification Methods Between Logistic Regression and Artificial Neural Networ. Jurnal Eksponensial, 4(1), 17–24.

Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. Journal of Intelligent System and Computation, 1(1), 43–49. https://doi.org/10.52985/insyst.v1i1.36

Sodik, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter. Prisma, 4, 628–634.

Widyasanti, N. K., Darma Putra, I. K. G., & Dwi Rusjayanthi, N. K. (2018). Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), 6(2), 119. https://doi.org/10.24843/jim.2018.v06.i02.p06

DOI: https://doi.org/10.21107/edutic.v11i1.28113