Analisis Sentimen Review Aplikasi Ruang Guru Menggunakan Multinomial Naïve Bayes
Keywords:
Ruangguru, Review, Google Play Store, Analisis Sentimen, Multinomial Naïve BayesAbstract
Ulasan pengguna di Google Play Store merupakan sumber masukan crowdsourcing yang penting bagi evolusi perangkat lunak dan penilaian kualitas layanan aplikasi, dengan tantangan khas domain app-store seperti ambiguitas polaritas, konteks domain, dan keterhubungan dengan isu rekayasa perangkat lunak [5]. Pada konteks edutech Indonesia, aplikasi Ruangguru telah banyak ditelaah menggunakan Naïve Bayes dan algoritma pembanding, namun masih dibutuhkan baseline yang ringkas, replikabel, dan berfokus pada praktik pemrosesan Bahasa Indonesia [1],[3]. Penelitian ini menyajikan pipeline analisis sentimen tiga kelas (positif, netral, negatif) untuk ulasan Ruangguru: akuisisi ulasan Google Play, pelabelan manual atau bootstrap awal dengan leksikon INSET [9], pra-pemrosesan (pembersihan, normalisasi, penghilangan stopword, dan stemming Sastrawi) yang dilaporkan efektif untuk dokumen Bahasa Indonesia [7], [8], ekstraksi fitur TF–IDF unigram+bigram, serta klasifikasi menggunakan Multinomial Naïve Bayes, sebuah baseline ringan namun kuat untuk teks pendek [4], [6]. Evaluasi dilakukan dengan skema latih–uji dan k-fold menggunakan metrik dengan hasil akurasi 0.8950, presisi negatif 0.7027, recall 0.6420, dan F1macro 0.5667, disertai analisis kesalahan dan peta topik keluhan/pujian. Hasil yang diperoleh menunjukkan performa kompetitif dan interpretabilitas yang baik untuk ulasan pendek, sejalan dengan temuan pada studi sejenis di aplikasi edutech dan layanan publik [3], [10].
References
[1] H. H. Mubaroroh, H. Yasin, and A. Rusgiyono, "Analisis Sentimen Data Ulasan Aplikasi Ruangguru pada Situs Google Play Menggunakan Algoritma Naïve Bayes Classifier dengan Normalisasi Kata Levenshtein Distance," Jurnal Gaussian, vol. 11, no. 2, pp. 248–257, 2022, doi: 10.14710/j.gauss.v11i2.35472.
[2] Y. A. Rohim, "Analisis Sentimen terhadap Ulasan Aplikasi Ruangguru di Google Play Store menggunakan Algoritma Naïve Bayes," JIIP: Jurnal Ilmiah Ilmu Pendidikan, vol. 7, no. 4, 2024.
[3] E. Fitri, Y. Yuliani, S. Rosyida, and W. Gata, "Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest dan Support Vector Machine," Transformatika, vol. 18, no. 1, pp. 71–80, 2020, doi: 10.26623/transformatika.v18i1.2317.
[4] S. Wang and C. D. Manning, "Baselines and Bigrams: Simple, Good Sentiment and Topic Classification," in Proc. ACL, 2012, pp. 90–94.
[5] N. Genc-Nayebi and A. Abran, "A Systematic Literature Review: Opinion Mining Studies from Mobile App Store User Reviews," Journal of Systems and Software, vol. 125, pp. 207–219, 2017.
[6] D. Abbas, K. Ali, A. Jamali, K. A. Memon, and A. A. Jamali, "Multinomial Naïve Bayes Classification Model for Sentiment Analysis," Int. J. of Computer Science and Network Security, vol. 19, no. 3, 2019; see also World Scientific, 2023.
[7] D. Mustikasari, et al., "Comparison of Effectiveness of Stemming Algorithms in Indonesian Documents," Advances in Social Science, Education and Humanities Research, Atlantis Press, 2021.
[8] J. Pardede, et al., "Perbandingan Algoritma Stemming Porter, Sastrawi, Idris, dan Tala terhadap IR dokumen Bahasa Indonesia," JTIIK, 2025.
[9] F. Koto and G. Y. Rahmaningtyas, "InSet Lexicon: Evaluation of a Word List for Indonesian Sentiment Analysis in Microblogs," in Proc. IALP, 2017.
[10] H. N. Zuhdi, et al., "Sentiment Analysis on iPusnas Application Reviews in Google Play Store Using Naive Bayes Classifier," IJIRSE, vol. 5, no. 1, pp. 12–19, 2025.
