ANALISIS USER SENTIMENT APLIKASI GOOGLE MAPS, MAPS.ME DAN WAZE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
Abstrak
Dewasa ini aplikasi penunjuk arah sudah sering digunakan oleh banyak masyarakat, aplikasi ini sangat membantu para penggunanya dalam mencari rute perjalanan terbaik, hanya dengan memasukan kode alamat maka aplikasi ini dapat memberikan rute jalan yang dapat dilalui untuk berbagai jenis kendaraan. Di Indonesia sendiri terdapat beberapa aplikasi penunjuk arah yang banyak digunakan dengan komentar positif dan negatif yang berbeda-beda. Ada beberapa jenis aplikasi yang akan digunakan dalam penelitian ini yaitu Google Maps, Maps.me, dan Waze, data yang diambil yaitu data komentar pengguna dengan cara web scraping. Tujuan dilakukannya penelitian ini untuk mengetahui ulasan para pengguna dari masing-masing aplikasi yang dijadikan bahan penelitian. Pengolahan data menggunakan metode Support Vector Machine, dari masing-masing aplikasi tersebut diambil sebanyak 750 komentar, dan mendapatkan hasil akhir mapsme menjadi aplikasi dengan nilai tertinggi berdasarkan hasil akurasi 86.40%, presisi 86.55%, dan 99.69% pada nilai recall. Aplikasi Maps.me memiliki 68% komentar positif, kemudian Waze mendapatkan 29%, dan Google Maps mendapatkan 3%. Dengan hal tersebut Maps.me menjadi aplikasi dengan nilai tertinggi berdasarkan komentar positif.
Referensi
A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.
A. L. Hananto, B. Priyatna, and A. Y. Rahman, “Penerapan Algoritma Djikstra Pada Sistem Monitoring Petugas Lapangan Pemkab Bekasi Berbasis Android,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 4, no. 3, p. 95, 2019, doi: 10.31328/jointecs.v4i3.1078.
N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.
F. Trapsilawati, T. Wijayanto, and E. S. Jourdy, “Human-computer trust in navigation systems: Google maps vs Waze,” Commun. Sci. Technol., vol. 4, no. 1, pp. 38–43, 2019, doi: 10.21924/cst.4.1.2019.112.
N. Yolanda, I. H. Santi, D. Fanny, and H. Permadi, “Analisis Sentimen Popularitas Aplikasi Moodle Dan Edmodo Menggunakan Algoritma Support Vector Machine,” vol. 3, no. 1, pp. 48–59, 2022.
R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” J. Media Inform. Budidarma, vol. 4, no. 3, p. 650, 2020, doi: 10.30865/mib.v4i3.2181.
R. Kusnadi, Y. Yusuf, A. Andriantony, R. Ardian Yaputra, and M. Caintan, “Analisis Sentimen Terhadap Game Genshin Impact Menggunakan Bert,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 6, no. 2, pp. 122–129, 2021, doi: 10.36341/rabit.v6i2.1765.
M. Diki Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine Sentiment Analysis of Mola Application Reviews on Google Play Store Using Support Vector Machine Algorithm,” J. Inf. Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022.
B. W. Sari and F. F. Haranto, “Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Telkom Dan Biznet,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 171–176, 2019, doi: 10.33480/pilar.v15i2.699.
F. Bei and S. Sudin, “Analisis Sentimen Aplikasi Tiket Online Di Play Store Menggunakan Metode Support Vector Machine (Svm),” Sismatik, vol. 01, no. 01, pp. 91–97, 2021.
R. Wahyudi and G. Kusumawardana, “Analisis Sentimen pada Aplikasi Grab di Google Play Store Menggunakan Support Vector Machine,” J. Inform., vol. 8, no. 2, pp. 200–207, 2021, doi: 10.31294/ji.v8i2.9681.
S. I. Nurhafida, F. Sembiring, J. Raya, and C. No, “Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine ( SVM ),” vol. 6, pp. 317–327, 2022.
A. M. Siregar, “Klasifikasi Untuk Prediksi Cuaca Menggunakan Esemble Learning,” Petir, vol. 13, no. 2, pp. 138–147, 2020, doi: 10.33322/petir.v13i2.998.
F. Fatmawati and M. Affandes, “Klasifikasi Keluhan Menggunakan Metode Support Vector Machine (SVM) Pada Akun Facebook Group iRaise Helpdesk,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 24, 2018, doi: 10.24014/coreit.v3i1.3552.
A. Salim, W. Gata, M. Hilman Fakhriza, C. Sri Rhayu, A. Budiarto, and P. Studi Magister Ilmu Komputer STMIK Nusa Mandiri Jakarta, “Analisis Sentiment Instagram Menggunakan Metode Support Vector Machine (SVM) Berbasis Grid Search Algorithm (GSA),” pp. 466–472, 2022, [Online]. Available: https://ejournal.poltektegal.ac.id/index.php/smartcomp/article/view/3899.
M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.
1. Hak cipta dari semua manuskrip jurnal dipegang oleh RABIT: Jurnal Teknologi dan Sistem Informasi Univrab.
2. Ketentuan hukum formal untuk mengakses artikel digital jurnal elektronik tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY-NC-SA), yang berarti bahwa RABIT: Jurnal Teknologi dan Sistem Informasi Univrab berhak untuk menyimpan, mentransfer media / format, mengelola dalam bentuk basis data, memelihara, dan menerbitkan artikel.
3. Naskah yang diterbitkan baik cetak maupun elektronik adalah akses terbuka untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain itu, dewan editorial tidak bertanggung jawab atas pelanggaran hukum hak cipta.