Implementasi Metode Vader Dan Fuzzy Pada Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Brimo

Berlian Sakti Yuliana Ndruru, Sunneng Sandino Berutu, Haeni Budiati

Abstract


Perkembangan teknologi digital mendorong industri perbankan untuk meningkatkan layanan melalui aplikasi mobile banking, seperti Brimo. Ulasan pengguna menjadi sumber data yang berharga untuk analisis sentimen berbasis aspek (ASBA), namun identifikasi manual tidak efisien. Penelitian ini mengkombinasikan metode Vader dan logika Fuzzy untuk mengukur dan mengklasifikasikan sentimen pada ulasan aplikasi BRImo melalui 6 tahap yaitu, scraping data dari Google Play Store, preprocessing, kategorisasi aspek (pengalaman pengguna, kinerja, keamanan), klasifikasi sentimen dengan vader (positif, netral, negatif), klasifikasi lanjutan dengan Fuzzy (sangat positif, cukup positif, netral, cukup negatif, sangat negatif), dan analisis hasil. Hasil klasifikasi Vader menunjukkan pada aspek pengalaman pengguna didominasi sentimen positif (42,6%), netral (36,2%), dan negatif (21,3%). Untuk kinerja, sentimen netral mendominasi (42,8%) diikuti positif (36,2%) dan negatif (21,1%), sedangkan pada keamanan didominasi netral (45,8%) dengan positif (32,9%) dan negatif (21,3%). Klasifikasi fuzzy memberikan hasil lebih detail dimana pada pengalaman pengguna didominasi netral (41,6%) diikuti cukup positif (25,5%), cukup negatif (16,7%), sangat positif (13,6%), dan sangat negatif (2,6%). Pola serupa terlihat pada kinerja (netral 51,7%, cukup positif 25,7%) dan keamanan (netral 53,2%, cukup positif 21,0%). Hasil ini menunjukkan dominasi sentimen netral dengan fuzzy mampu memberikan granularitas lebih detail dibanding Vader.

Keywords


Vader; Fuzzy; ABSA; Brimo

Full Text:

PDF

References


N. Fibriyanti Arminda, N. Sulistiyowati, And T. Nur Padilah, “Implementasi Algoritma Multinomial Naive Bayes Pada Analisis Sentimen Terhadap Ulasan Pengguna Aplikasi Brimo,” 2023.

F. Fiddin, M. Y. Syahbarna, And M. Ridwan, “Penggunaan Supervised Learning Untuk Prediksi Validitas Ulasan Negatif Aplikasi Tokopedia Berdasarkan Pengalaman Pengguna Ahli: Penggunaan Supervised Learning Untuk Prediksi Validitas Ulasan Negatif Aplikasi Tokopedia Berdasarkan Pengalaman Pengguna Ahli,” J. Saintikom (Jurnal Sains Manaj. Inform. Dan Komputer), Vol. 23, No. 2, Pp. 409–417, 2024.

U. K. Immanuel, U. K. Immanuel, U. K. Immanuel, and U. K. Immanuel, “Sentiment Analysis in Transportation Apps :,” pp. 273–296, doi: 10.4018/979-8-3693-9846-3.ch010.

I. Maulana, W. Apriandari, and A. Pambudi, “Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine,” IDEALIS Indones. J. Inf. Syst., vol. 6, no. 2, pp. 172–181, 2023, doi: 10.36080/idealis.v6i2.3022.

S. Amien, P. Perdana, T. Bharata Aji, and R. Ferdiana, “Aspect Category Classification dengan Pendekatan Machine Learning Menggunakan Dataset Bahasa Indonesia (Aspect Category Classification with Machine Learning Approach Using Indonesian Language Dataset),” 2021.

A. N. Kambayo, S. S. Berutu, and A. Nshimiyimana, “Aspect-Based Sentiment Analysis Using Latent Dirichlet Allocation ( LDA ) and DistilBERT on Threads App Reviews,” vol. 9, no. 01, pp. 25–34, 2025.

R. Nurhidayat And K. E. Dewi, “Komputa : Jurnal Ilmiah Komputer Dan Informatika Penerapan Algoritma K-Nearest Neighbor Dan Fitur Ekstraksi N-Gram Dalam Analisis Sentimen Berbasis Aspek,” Vol. 12, No. 1, 2023, [Online]. Available: Https://Www.Kaggle.Com/Datasets/Hafidahmusthaanah/Skincare-Review?Select=00.+Review.Csv.

S. M. Al-Ghuribi, S. A. Mohd Noah, and S. Tiun, “Unsupervised Semantic Approach of Aspect-Based Sentiment Analysis for Large-Scale User Reviews,” IEEE Access, vol. 8, pp. 218592–218613, 2020, doi: 10.1109/ACCESS.2020.3042312.

W. Zhang, X. Li, Y. Deng, L. Bing, and W. Lam, “A Survey on Aspect-Based Sentiment Analysis: Tasks, Methods, and Challenges,” IEEE Trans. Knowl. Data Eng., vol. 35, no. 11, pp. 11019–11038, 2023, doi: 10.1109/TKDE.2022.3230975.

K. Wang, W. Shen, Y. Yang, X. Quan, and R. Wang, “Relational graph attention network for aspect-based sentiment analysis,” Proc. Annu. Meet. Assoc. Comput. Linguist., pp. 3229–3238, 2020, doi: 10.18653/v1/2020.acl-main.295.

N. Zhao, H. Gao, X. Wen, and H. Li, “Combination of convolutional neural network and gated recurrent unit for aspect-based sentiment analysis,” IEEE Access, vol. 9, pp. 15561–15569, 2021, doi: 10.1109/ACCESS.2021.3052937.

H. Haris and D. E. Ratnawati, “Analisis Sentimen berbasis Aspek terhadap Data Ulasan menggunakan Metode K-Nearest Neighbor (Studi Kasus: Aplikasi Olsera POS),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, pp. 3041–3046, 2023.

S. Singh, H. Kaur, R. Kanozia, and G. Kaur, “Empirical Analysis of Supervised and Unsupervised Machine Learning Algorithms with Aspect-Based Sentiment Analysis,” Appl. Comput. Syst., vol. 28, no. 1, pp. 125–136, Jun. 2023, doi: 10.2478/acss-2023-0012.

V. Bonta, N. Kumaresh, and N. Janardhan, “A Comprehensive Study on Lexicon Based Approaches for Sentiment Analysis,” Asian J. Comput. Sci. Technol., vol. 8, no. S2, pp. 1–6, Mar. 2019, doi: 10.51983/ajcst-2019.8.s2.2037.

M. T. Anwar and D. R. A. Permana, “Analisis Sentimen Masyarakat Indonesia Terhadap Produk Kendaraan Listrik Menggunakan VADER,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 1, pp. 783–792, 2023, [Online]. Available: http://jurnal.mdp.ac.id

H. Budiati Et Al., “Analisis Calon Bupati Sleman Pada Pilkada 2024 Dengan Menggunakan Natural Language Processing Dan Fuzzy Logic,” Vol. 7, No. 2, Pp. 334–342, 2024.

M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, and H. A. Gozali, “Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi,” IOP Conf. Ser. Mater. Sci. Eng., vol. 874, no. 1, 2020, doi: 10.1088/1757-899X/874/1/012017.

S. U. Maheswari, “Analisis Sentimen Logika Fuzzy Berbasis Aspek tentang Media Sosial Big Data,” no. September, pp. 28–30, 2020.

H. Wang, Y. Lu, and C. Zhai, “Latent aspect rating analysis on review text data: A rating regression approach,” Proc. ACM SIGKDD Int. Conf. Knowl. Discov. Data Min., pp. 783–792, 2010, doi: 10.1145/1835804.1835903.

D. C. Youvan, “Understanding Sentiment Analysis with VADER: A Comprehensive Overview and Application,” no. June, 2024, doi: 10.13140/RG.2.2.33567.98726.

S. S. Berutu, “Implementasi Fuzzy-VADER pada Analisis Sentimen Pengguna Terhadap Aplikasi Pinjaman Online,” vol. 10, no. 3, pp. 411–420, 2024.

Z. Aminullah, D. Arifianto, and H. A. Al Faruq, “Lexicon-Based Approach Pada Analisis Sentimen Ulasan Airbnb Menggunakan Vader Sentiment,” J. Smart Teknol., vol. 5, no. 4, pp. 558–566, 2024.

M. Radja, M. A. Londa, and K. Sara, “Penerapan Metode Logika Fuzzy dalam Evaluasi Kinerja Dosen,” Matrix J. Manaj. Teknol. dan Inform., vol. 10, no. 2, pp. 78–86, 2020, doi: 10.31940/matrix.v10i2.1841.




DOI: https://doi.org/10.29100/jipi.v11i2.8237

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
ISSN 2540-8984
Published by
Prodi Pendidikan Teknologi Informasi
Universitas Bhinneka PGRI

Website :https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/index
Email: jipistkippti@gmail.com

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.