ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI BY.U PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA CNN
DOI:
https://doi.org/10.31539/vfwsfx96Abstract
Peningkatan penggunaan aplikasi layanan digital by.U diikuti oleh bertambahnya jumlah ulasan pengguna pada Google Play Store yang mencerminkan tingkat kepuasan dan ketidakpuasan pengguna. Banyaknya data teks yang tidak terstruktur menyebabkan analisis secara manual menjadi kurang efektif, sehingga diperlukan pendekatan otomatis melalui analisis sentimen. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna ke dalam kategori positif, netral, dan negatif menggunakan metode Convolutional Neural Network (CNN). Sebanyak 3.000 ulasan berhasil dikumpulkan, dan 2.984 ulasan diproses melalui tahapan preprocessing sebelum dilakukan pelabelan sentimen berdasarkan rating pengguna. Dataset kemudian dibagi dengan rasio 80% data latih dan 20% data uji. Penelitian ini melakukan beberapa skenario pengujian untuk menganalisis pengaruh preprocessing dan konfigurasi model terhadap kinerja klasifikasi. Hasil penelitian menunjukkan bahwa model CNN dengan penerapan stopword removal menghasilkan akurasi terbaik sebesar 76%. Sementara itu, hasil evaluasi keseluruhan model menunjukkan akurasi sebesar 73% dengan nilai precision sebesar 75%, recall sebesar 73%, dan F1-score sebesar 73%, yang mengindikasikan performa klasifikasi yang cukup baik. Namun, model masih memiliki keterbatasan dalam mengidentifikasi sentimen netral secara optimal.
Kata kunci: Convolutional Neural Network (CNN), ulasan pengguna, klasifikasi teks, Google Play Store
References
[1] S. Fransiska and A. I. Gufroni, “Sentiment Analysis Provider by . U on Google Play Store Reviews with TF-IDF and Support Vector Machine ( SVM ) Method,” vol. 7, no. 2, pp. 203–212, 2020.
[2] S. Vector and M. Algorithm, “Klasifikasi Sentimen Layanan pada Aplikasi by . U menggunakan Algoritma Support Vector Machine Classification of Service Sentiments on the by . U Application using the,” vol. 14, pp. 1967–1976, 2025.
[3] S. Tinggi, M. Klimatologi, J. M. No, and T. Tinggi, “Klasifikasi Cuaca Berbasis Citra dengan Model CNN LeNet-5 yang Dimodifikasi,” no. 204, pp. 401–410, 2022.
[4] S. Oktavia, E. Putri, A. A. Arifiyanti, A. Rezha, and E. Najaf, “Convolutional Neural Network Approach for Aspect-Based Sentiment Analysis of Tourism Reviews,” vol. 8, no. 1, 2025, doi: 10.32877/bt.v8i1.2582.
[5] S. N. Saputra, G. G. Setiaji, M. Teja, and A. Cipta, “Perbandingan Kinerja RNN dan CNN Dalam Klasifikasi Sentimen Ulasan Pengguna Aplikasi di Play Store,” vol. 6, no. 1, pp. 349–362, 2024, doi: 10.47065/josyc.v6i1.6408.
[6] A. Rinardi, C. Sri, K. Aditya, and D. R. Chandranegara, “Analisis Sentimen Ulasan Fitur Music Aplikasi Instagram Pada Google Play Store Menggunakan Metode Convolutional Neural Network ( CNN ),” vol. 6, no. 4, pp. 415–424, 2024.
[7] R. Dwiyansaputra, S. I. Murpratiwi, and A. Aranta, “ANALISIS SENTIMEN PADA PENGGUNA APLIKASI X TERHADAP PEMILIHAN UMUM PRESIDEN 2024 MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ),” vol. 9, no. 1, pp. 635–642, 2025.
[8] G. Y. Sitio, S. A. Rumapea, and D. P. Lumbanraja, “Analisis Sentimen Pemindahan Ibu Kota Negara Di Media Sosial Twitter Menggunakan metode Convolutional Neural Network ( CNN ),” vol. 3, no. 2, pp. 97–104, 2024.
[9] S. N. Listyarini and D. A. Anggoro, “Analisis Sentimen Pilkada di Tengah Pandemi Covid-19 Menggunakan Convolution Neural Network ( CNN ) Sentiment Analysis Regional Elections During Pandemic Covid-19 Using Convolution Neural Network ( CNN ),” vol. 1, no. 7, pp. 261–268, 2021.
[10] A. Zakharia et al., “ANALISIS SENTIMEN PUBLIK DI TWITTER TENTANG DIGITAL,” vol. 13, no. 3, pp. 536–545.
[11] M. T. Maulana, L. Muflikhah, and T. N. Fatyanosa, “Analisis Sentimen Pengguna Indodax Menggunakan FastText dan Convolutional Neural Network ( CNN ),” vol. 9, no. 6, 2025.
[12] C. R. Anissa, K. D. Tania, W. K. Sari, S. Informasi, and U. Sriwijaya, “Sentiment Analysis on Google Play Store Reviews to Measure User Perception of the Gojek Application Using CNN,” vol. 9, no. 6, pp. 3322–3328, 2025.
[13] A. Liawati et al., “ANALISIS SENTIMEN KOMENTAR POLITIK DI MEDIA SOSIAL X DENGAN PENDEKATAAN DEEP LEARNING,” vol. 7, no. 6, pp. 3557–3563, 2023.
[14] F. A. J. H. M and B. Hardiansyah, “ANALISIS SENTIMEN TERHADAP ULASAN ONLINE UNTUK KENDARAAN LISTRIK MENGGUNAKAN DEEP LEARNING DI PLATFORM X,” vol. 10, no. 1, pp. 1458–1465, 2026.
[15] H. A. Wijaya et al., “Penggunaan algoritma cnn dengan adam optimizer dalam aplikasi web untuk prediksi jenis kelamin bunga,” vol. 9, no. 3, pp. 3825–3832, 2025.
[16] Y. Akbar, A. N. Ihsan, S. Tinggi, I. Komputer, and C. Karya, “Analisis sentimen,” vol. 6, 2023.
[17] K. Setiawan, K. J. Apriyanto, S. Tinggi, I. Komputer, and C. Karya, “DEVELOPING A NAIVE BAYES-BASED SENTIMENT ANALYSIS MODEL FOR,” vol. 8, pp. 1111–1121, 2025.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Altra Yudha Mawlana, Erwin Dwika Putra
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
