Perbandingan Algoritma Machine learning Untuk Analisis Sentimen Aplikasi Instagram Berbasis NLP
DOI:
https://doi.org/10.62712/juktisi.v5i1.1057Keywords:
Sentiment Analysis, Instagram, Neural Network, Random Forest, Support Vector MachineAbstract
Instagram merupakan salah satu platform media sosial terbesar di dunia dengan lebih dari dua miliar pengguna aktif bulanan. Ulasan pengguna di Google Play Store menjadi sumber data yang kaya untuk memahami persepsi dan kepuasan pengguna terhadap fitur serta layanan yang diberikan. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Instagram menggunakan tiga algoritma klasifikasi machine learning, yaitu Support Vector Machine (SVM), Random Forest (RF), dan Neural Network (NN), dengan representasi fitur menggunakan metode Bag-of-Words (BoW). Data yang dikumpulkan sebanyak 10.000 ulasan melalui teknik web scraping dari Google Play Store menggunakan library google-play-scraper, dan setelah melalui proses preprocessing diperoleh 7.236 data bersih yang digunakan untuk pemodelan. Pelabelan data dilakukan secara otomatis menggunakan leksikon InSet (Indonesia Sentiment Lexicon). Tahapan preprocessing meliputi pembersihan teks, case folding, normalisasi kata tidak baku, tokenisasi, stopword removal, dan stemming menggunakan algoritma Sastrawi. Hasil eksperimen menunjukkan bahwa SVM memperoleh akurasi tertinggi sebesar 90,7%, diikuti Neural Network 89,2%, dan Random Forest 81,5%. Berdasarkan hasil tersebut, SVM terbukti paling unggul dalam mengklasifikasikan sentimen positif, negatif, dan netral pada ulasan pengguna aplikasi Instagram.
Downloads
References
R. Y. Hayuningtyas dan R. Sari, “Analisis Sentimen Terhadap Pengguna Aplikasi Instagram di Google Play Store Menggunakan Support Vector Machine,” Journal of Accounting Information System, vol. 05, no. 1, Jun 2025, doi: 10.31294/jais.v5i01.8823.
D. Surya Sayogo, B. Irawan, dan A. Bahtiar, “ANALISIS SENTIMEN ULASAN INSTAGRAM DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 6, 2023, doi: 10.36040/jati.v7i6.8178.
A. Zaiem Praghakusma dan N. Charibaldi, “Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus : Komisi Pemberantasan Korupsi),” vol. 9, no. 2, hlm. 33–42, 2021, doi: 10.12928/jstie.v8i3.xxx.
R. Cahyadi, A. Damayanti, dan D. Aryadani, “RECURRENT NEURAL NETWORK (RNN) DENGAN LONG SHORT TERM MEMORY (LSTM) UNTUK ANALISIS SENTIMEN DATA INSTAGRAM,” Jurnal Informatika dan Komputer, vol. 5, no. 1, Feb 2020, doi: 10.26798/jiko.v5i1.407.
A. Latif, M. Yugi, F. S. Utomo, dan T. Hariguna, “COMPARISON OF THE PERFORMANCE OF SVM, RANDOM FOREST, AND NEURAL NETWORK ALGORITHMS IN SENTIMENT ANALYSIS OF OPENAI APPLICATION REVIEWS ON THE GOOGLE PLAY STORE,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 11, no. 1, hlm. 478–489, Feb 2026, doi: 10.29100/jipi.v11i1.7793.
Lady Agustin Fitriana, I. Sugiyarto, dan U. Faddillah, “Penerapan Model LSTM dan CNN Untuk Klasifikasi Sentimen Pada Ulasan Aplikasi Roblox,” Infotek: Jurnal Informatika dan Teknologi, vol. 9, no. 1, hlm. 71–82, Jan 2026, doi: 10.29408/jit.v9i1.32848.
R. Mei Sasmita, A. Meiriza, dan H. Novianti, “An Ensemble Learning Approach for Sentiment Analysis of Maxim Application Reviews Using SVM, KNN, and Random Forest,” Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 6, hlm. 3697, 2025, doi: 10.30871/jaic.v9i6.11447.
J. O. Leandro dan M. I. Fianty, “Evaluation of Sentiment Analysis Methods for Social Media Applications: A Comparison of Support Vector Machines and Naïve Bayes,” International Journal on Informatics Visualization, vol. 9, no. 2, hlm. 796–807, Mar 2025, [Daring]. Tersedia pada: www.joiv.org/index.php/joiv
R. Lubis dan S. Anggraeni, “Klasifikasi Sentiment Analysis Terhadap Usulan KB Vasektomi Syarat Penerima BANSOS dengan Metode Naive Bayes,” Jurnal Komputer Teknologi Informasi Sistem Informasi (JUKTISI), vol. 4, no. 3, hlm. 1384–1394, Okt 2025, doi: 10.62712/juktisi.v4i3.631.
S. R. K. W. Tommy Rustandi, D. Suhaedi, dan Y. Pemanasari, “Pemetaan Hyperplane Pada Support Vector Machine,” Bandung Conference Series: Mathematics, vol. 3, no. 2, hlm. 109–119, Agu 2023, doi: 10.29313/bcsm.v3i2.8187.
L. N. Qomariyati, S. Nurpadillah, N. F. Rosyidin, F. Sofyan, dan L. R. Mubarak, “Perbandingan Akurasi Random Forest Classifier dalam Memprediksi Kelayakan Kendaraan berdasarkan Jumlah Decision tree dan Selection Feature,” Jurnal FUSE-Teknik Elektro, vol. 4, hlm. 21–30, Jun 2024.
A. Arasy, S. Agustian, L. Handayani, dan I. Iskandar, “Klasifikasi Sentimen Menggunakan Metode Multilayer Perceptron dengan Fitur TF-IDF,” MALCOM: Indonesian Journal of Machine learning and Computer Science, vol. 5, no. 3, hlm. 908–919, Jun 2025, doi: 10.57152/malcom.v5i3.2052.
A. L. D. Ulhaq dan Suprayogi, “Comparing Machine learning Models for Sentiment Analysis of Tokopedia Reviews,” Journal of Applied Informatics and Computing (JAIC), vol. 9, no. 6, hlm. 3642–3647, Des 2025, doi: 10.30871/jaic.v9i6.11239.
S. N. Rismanah, R. Astuti, dan F. M. Basysyar, “PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE DALAM MENGANALISIS SENTIMEN ULASAN PELANGGAN SHOPEEFOOD BERDASARKAN TWITTER,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, Feb 2024, doi: 10.36040/jati.v8i1.8401.
H. Faisal, A. Febriandirza, dan F. N. Hasan, “Analisis Sentimen Terkait Ulasan Pada Aplikasi PLN Mobile Menggunakan Metode Support Vector Machine,” KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), vol. 5, no. 1, hlm. 303–312, Jan 2024, [Daring]. Tersedia pada: http://repository.uhamka.ac.id/id/eprint/32133/5/4.%20%20Artikel.pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Yuridis Seri Rahmat, Saskia Renata, Albertus Belo, Weiskhy Steven Dharmawan, Lady Agustin Fitriana, Riski Annisa
This work is licensed under a Creative Commons Attribution 4.0 International License.
