ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI DISDUKCAPIL BERAU PADA GOOGLE PLAY STORE MENGGUNAKAN METODE DECISION TREE
Abstract
Digitalisasi layanan administrasi kependudukan oleh DISDUKCAPIL Kabupaten Berau bertujuan meningkatkan efektivitas pelayanan publik. Evaluasi objektif terhadap kualitas layanan ini sangat diperlukan, salah satunya dengan menganalisis ulasan pengguna pada Google Play Store. Penelitian ini bertujuan untuk mengevaluasi sentimen ulasan pengguna secara komputasional guna mengidentifikasi persepsi masyarakat menggunakan algoritma Decision Tree. Kebaruan riset ini terletak pada penerapan pelabelan otomatis berbasis skor rating bintang yang dipadukan dengan teknik penyeimbangan data (oversampling) untuk mengatasi masalah ketidakseimbangan kelas (imbalanced data). Proses penelitian diawali dengan web scraping yang menghasilkan 309 ulasan valid. Data tersebut melalui tahap preprocessing (cleaning, case folding, tokenisasi, stopword removal, dan stemming), dilanjutkan dengan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Evaluasi model menggunakan pembagian rasio data latih dan uji sebesar 80:20. Hasil penelitian menunjukkan adanya dominasi sentimen positif yang sangat mencolok, yang mengindikasikan tingkat kepuasan masyarakat yang tinggi terhadap layanan aplikasi tersebut. Kinerja algoritma Decision Tree mencatatkan tingkat akurasi yang signifikan sebesar 83,33% dan Macro Average 0,83. Penerapan teknik oversampling terbukti sangat efektif, ditandai dengan keberhasilan model mencapai nilai Recall sempurna 1,00 pada kelas netral dan 0,84 pada sentimen negatif tanpa adanya bias kelas. Kesimpulannya, integrasi metode Decision Tree dengan penyeimbangan data mampu menjadi instrumen evaluasi yang andal dan sensitif dalam menangkap keluhan masyarakat, sehingga memberikan landasan empiris bagi DISDUKCAPIL Berau untuk melakukan perbaikan layanan yang strategis.
Keywords
Full Text:
PDFReferences
S. Verma, “Sentiment analysis of public services for smart society: Literature review and future research directions,” Gov. Inf. Q., vol. 39, no. 3, p. 101708, 2022, doi: https://doi.org/10.1016/j.giq.2022.101708.
A. Shobil and S. AL-Hagree, “User Sentiment Analysis of Solar Energy Monitoring Apps: Insights from Google Play Reviews,” IEEE Access, 2026, doi: 10.1109/ACCESS.2026.3670366.
P. Netayawijit, W. Chansanam, and K. Sorn-In, “An Optimized Data Partitioning Framework for Benchmarking Ensemble and Linear Regression Models in Used-Vehicle Price Prediction,” Engineering, Technology & Applied Science Research, vol. 16, no. 2, pp. 32800–32809, Apr. 2026, doi: 10.48084/etasr.16878.
M. Fachrie, A. Musdholifah, and S. Hartati, “Improving Sentiment Analysis Performance on Imbalanced Dataset Using Data Resampling and Statistical Feature Selection,” in 2024 8th International Conference on Information Technology (InCIT), 2024, pp. 272–277. doi: 10.1109/InCIT63192.2024.10810634.
A. Sinha, M. N. B. J. Naskar, M. Pandey, and S. S. Rautaray, “Text Classification Using Machine Learning Techniques: Comparative Analysis,” in 2022 OITS International Conference on Information Technology (OCIT), 2022, pp. 102–107. doi: 10.1109/OCIT56763.2022.00029.
M. S. A. S. Shafrani and E. Nurraharjo, “Sentiment Analysis of The Digital Population Identity (IKD) Using SVM and Decision Tree Methods,” bit-Tech, vol. 8, no. 2, pp. 1256–1264, Dec. 2025, doi: 10.32877/bt.v8i2.2827.
R. N. Ikhsani and F. F. Abdulloh, “Optimasi SVM dan Decision Tree Menggunakan SMOTE Untuk Mengklasifikasi Sentimen Masyarakat Mengenai Pinjaman Online,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 7, no. 4, p. 1667, Oct. 2023, doi: 10.30865/mib.v7i4.6809.
S. Intan Risqi Adi et al., “ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRESS IKN MENGGUNAKAN MODEL DECISION TREE.” [Online]. Available: https://t.co/yqWpHGQiw1
M. Aryanda, I. Arfyanti, and Y. Yulindawati, “Application Of K-Nearest Neighbor Algoritma for Customer Review Sentiment Analysis at Nge-boel Vapestore Shop,” J-INTECH, vol. 13, no. 01, pp. 86–95, 2025.
V. H. Pranatawijaya, N. N. K. Sari, R. A. Rahman, E. Christian, and S. Geges, “Unveiling User Sentiment: Aspect-Based Analysis and Topic Modeling of Ride-Hailing and Google Play App Reviews,” Journal of Information Systems Engineering and Business Intelligence, vol. 10, no. 3, pp. 328–339, Oct. 2024, doi: 10.20473/jisebi.10.3.328-339.
A. Sentimen, P. Layanan, D. Nishfi, I. Huda, C. Prianto, and R. M. Awangga, “Dellavianti Nishfi Ilmiah Huda Analisis Sentimen Perbandingan Layanan Jasa Pengiriman Kurir Pada Ulasan Play Store Menggunakan Metode Random Forest dan Descision Tree.”
H. Putri Jelita and M. Ibnu Saad, “Penerapan Algoritma Naïve Bayes Dalam Analisis Sentimen Masyarakat Terhadap STMIK Widya Cipta Dhar-ma,” Bulletin of Information Technology (BIT), vol. 6, no. 2, pp. 148–160, 2025, doi: 10.47065/bit.v5i2.2029.
S. N. Almuayqil, M. Humayun, N. Z. Jhanjhi, M. F. Almufareh, and D. Javed, “Framework for Improved Sentiment Analysis via Random Minori-ty Oversampling for User Tweet Review Classification,” Electronics (Switzerland), vol. 11, no. 19, Oct. 2022, doi: 10.3390/electronics11193058.
A. D. Sugiarto, M. S. Utomo, J. Raya, T. Lomba Juang, and I. Semarang, “ANALISIS SENTIMEN ULASAN PENGGUNA BCA MOBILE DI GOOGLE PLAY STORE MENGGUNAKAN METODE DECISION TREE,” 2025.
R. M. Harun and F. Fahmi, “Analisis Sentimen Menggunakan Algoritma Naïve Bayes, KNN, dan Decision Tree Terhadap Ulasan Aplikasi KitaLulus,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 3, pp. 2033–2042, Dec. 2024, doi: 10.47065/bits.v6i3.6367.
K. P. Harmandini and K. Muslim, “Analysis of TF-IDF and TF-RF Feature Extraction on Product Review Sentiment,” Jurnal dan Penelitian Teknik Informatika, vol. 8, no. 2, 2024, doi: 10.33395/v8i2.13376.
D. B. Putra and R. R. Suryono, “Komparasi Algoritma Support Vector Machine dan Decision Tree Dalam Analisis Sentimen Publik Terhadap Penerapan PPN 12%,” Technology and Science (BITS), vol. 7, no. 1, 2025, doi: 10.47065/bits.v7i1.7147.
A. S. Chan, M. Husna, and P. P. Putra, “A Performance Enhancement Strategy for Sentiment Classification Models On Political Social Media Using Hyperparameter Tuning And Boosting,” International Journal of Advances in Data and Information Systems, vol. 6, no. 3, pp. 763–772, Dec. 2025, doi: 10.59395/ijadis.v6i3.1455.
H. H. Sinaga and S. Agustian, “Pebandingan Metode Decision Tree dan XGBoost untuk Klasifikasi Sentimen Vaksin Covid-19 di Twitter,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 8, no. 3, pp. 107–114, Dec. 2022, doi: 10.25077/teknosi.v8i3.2022.107-114.
Y. Veren, S. S. Berutu, and H. Budiati, “PENERAPAN METODE DECISION TREE PADA SENTIMEN MEDIA SOSIAL TERKAIT KOMISI PEMILIHAN UMUM (KPU) SEBELUM DAN SESUDAH PILPRES 2024,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran In-formatika), vol. 9, no. 4, pp. 2174–2184, Nov. 2024, doi: 10.29100/jipi.v9i4.5532.
A. Cahya, S. Zamani, Y. Nuryamin, and A. Priyatna, “Analisis Sentimen Pengguna TikTok tentang Pembangunan IKN Menggunakan Algoritma Naive Bayes dan Decision Tree,” Jurnal Nasional Teknologi Komputer, vol. 5, no. 4.
M. Mubarak, L. Tanti, and R. Rosnelly, “Perbandingan Algoritma Decision Tree dan Naive Bayes Pada Analisis Sentimen Masyarakat Terhadap Pejabat Pertamina Pasca Kasus Pertamax Oplosan,” Jurnal Minfo Polgan, vol. 15, no. 1, pp. 179–188, Mar. 2026, doi: 10.33395/jmp.v15i1.15971.
K. K. Safra and E. Zuliarso, “ANALISIS SENTIMEN TERHADAP PELAKSANAAN PILKADA 2024 PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN METODE DECISION TREE,” Jurnal Informatika Teknologi dan Sains, vol. 7, no. 1, pp. 117–126, 2025.
A. Sentimen, P. Konsumsi, R. Tembakau, D. R. Elektrik, M. R. Ramadhan, and A. H. Hasugian, “Analisis Sentimen Perspektif Konsumsi Rokok Tembakau Dan Rokok Elektrik Di Media Sosial X Menggunakan Metode Decision Tree,” 2022, doi: 10.26594/teknologi.v15i2.5750.
B. Wicaksono and N. Cahyono, “ANALISIS SENTIMEN KOMENTAR INSTAGRAM PADA PROGRAM KAMPUS MERDEKA DENGAN ALGORITMA NAIVE BAYES DAN DECISION TREE,” 2024. [Online]. Available: https://situs.com
B. Franko, N. Wilyanto, and H. Irsyad, “Analisis Sentimen terhadap Naturalisasi Pemain pada Youtube Menggunakan Decision tree dan Naive bayes,” Software Development, Digital Business Intelligence, and Computer Engineering, vol. 3, no. 1, pp. 8–16, Sep. 2024, doi: 10.57203/session.v3i1.2024.8-16.
DOI: https://doi.org/10.29100/jipi.v11i2.10424
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.