Prediksi Tingkat Kepuasan Pengguna Aplikasi Grab di Google Play Store Menggunakan Algoritma Naive Bayes
Kata Kunci:
Naive Bayes, Analisis Sentimen, Kepuasan Pengguna, Transportasi Online, Machine LearningAbstrak
Perkembangan transportasi online yang meningkat dalam beberapa terakhir mendorong pentingnya evaluasi tingkat kepuasan pengguna sebagai dasar dalam peningkatan kualitas layanan. Grab, salah satu aplikasi transformasi online yang memiliki banyak ulasan di Google Play Store. Namun, data ulasan tersebut masih bersifat tidak terstuktur sehingga sulit untuk dianalisis secara manual. Penelitian ini bertujuan membangun sistem prediksi tingkat kepuasan pengguna secara otomatis dengan mengklasfikasikan ulasan ke dalam sentimen puas, netral, dan tidak puas, serta mengelompokkan ke dalam kategori driver, sistem, dan lainnya. Metode yang digunakan penelitian ini adalah Multinominal Naive Bayes dengan pendekatan labeling data menggunakan Multilabel. Data diperoleh melalui teknik web scraping dengan periode Januari 2020 hingga Februari 2026. Penelitian ini menggunakan pendekatan kuantitatif dengan analisis interaktif untuk menganalisis data dan proses pengembangan model yang digunakan merupakan metode CRISP-DM yang meliputi pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan deployment dalam sistem berbasis web menggunakan Streamlit. Hasil penelitian menunjukkan bahwa model Naive Bayes mampu mengklasifikasikan ulasan dengan baik berdasarkan metrik evaluasi seperti accuracy, precision, recall, dan F1-score. Dataset yang digunakan berjumlah 234.878 ulasan dan setelah preprocessing menjadi 183.079 data, sehingga memberikan variasi data yang cukup besar untuk pelatihan model. Sistem yang dikembangkan juga mampu menampilkan hasil analisis dalam bentuk dashboard yang informatif dan mudah dipahami. Dengan demikian, penelitian ini dapat membantu dalam memahami tingkat kepuasan pengguna secara otomatis serta menjadi dasar pengambilan keputusan strategis bagi peningkatan kualitas layanan transportasi online.
Unduhan
Referensi
Adila, N., Sembiring, F., & Jatmiko, W. (2022). Implementation of Web Scraping for Journal Data Collection on the SINTA Website. Sinkron: Jurnal Dan Penelitian Teknik Informatika, 7(4), 2478–2485. https://doi.org/https://doi.org/ 10.33395/sinkron.v7i4.11576 e-ISSN
Alfiana, H. N., Doewes, A., & Widoyono, B. (2026). Aspect-Based Sentiment Analysis of Access by KAI Application Reviews Using IndoBERT for Multi-Label Classification Tasks. Jurnal Teknik Informatika (JUTIF), 7(1), 286–306. https://doi.org/https://doi.org/10.52436/1.jutif.2026.7.2.5402 Aspect-Based
Ananda, R. F., Syahri, A., Hasan, F. N., Technology, I., & Literature, A. (2024). Sentiment Analysis Of Customer Satisfaction In Gojek And Grab. Jurnal Teknik Informatika (JUTIF), 5(1), 233–241. https://doi.org/https://doi.org/10.52436/1.jutif.2024.5.1.1680
Anissa, C. R., Tania, K. D., Sari, W. K., Informasi, S., & Sriwijaya, U. (2025). Sentiment Analysis on Google Play Store Reviews to Measure User Perception of the Gojek Application Using CNN. Journal of Applied Informatics and Computing (JAIC), 9(6), 3322–3328. https://jurnal.polibatam.ac.id/index.php/JAIC/article/view/11084/3192
BPS. (2025). Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis (Unit), 2024. Badan Statistik Indonesia. https://www.bps.go.id/id/statistics-table/2/NTcjMg==/number-of-motor-vehicle-by-type.html
Heristian, S., Napiah, M., & Erawati, W. (2025). Analisis Sentimen Ulasan Pelanggan Menggunakan Algoritma Naive Bayes pada Aplikasi Gojek. Computer Science (CO-SCIENCE), 5(1), 35–41. https://doi.org/https://doi.org/10.31294/coscience.v5i1.7775
Huda, M. N., Burhan, M., Satibi, A., & Pradita, H. A. (2022). Implementasi Black Box Testing pada Aplikasi Sistem Kasir dengan Menggunakan Teknik Equivalence Partitions. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 5(2), 120–127. https://doi.org/10.32493/jtsi.v5i2.17645
Irawan, R. A., Marpaung, F. A., Saputra, I. I., & Widarti, D. W. (2025). Analysis of Online Transportation Customer Satisfaction Using C4 . 5 Algorithm. JITEEHA: Journal of Information Technology Application in Education, Economy, Health and Agriculture, 02(01), 2–7. https://journal.iteeacademy.org/index.php/jiteeha/article/view/38
Jaha, A., Deepthi, N. S., Suryakanth, G., & Eswari, G. S. K. (2020). Text Sentiment Analysis u sing Naïve Baye ’ s Classifier. International Journal of Computer Trends and Technology, 68(4), 261–265. https://doi.org/https://doi.org/10.14445/22312803/IJCTT-V68I4P141
Praniffa, A. C., Syahri, A., Sandes, F., Fariha, U., & Giansyah, Q. A. (2023). Jurnal Testing dan Implementasi Sistem Informasi PARKIR BERBASIS WEB BLACK BOX AND WHITE BOX TESTING OF WEB-BASED PARKING. 1(1), 1–16.
Rahayu, P., & Cahyono, R. P. (2022). PENGELOMPOKAN DATA KEPUASAN KONSUMEN PADA APLIKASI TRANSPORTASI ONLINE MENGGUNAKAN ALGORITMA DECISION TREE. 2(12), 1–10.
Rahman, R., & Sutanto, F. A. (2023). Data Mining Untuk Memprediksi Tingkat Kepuasan Konsumen Gojek Menggunakan Algoritma Naive Bayes. Jurnal Interkom : Jurnal Publikasi Ilmiah Bidang Teknologi Informasi Dan Komunikasi, 18, 8–18. https://doi.org/DOI : https://doi.org/10.35969/interkom.v18i1.280
Raya, K. K., Setia, P., & Firayanti, Y. (2025). Jurnal Sains Ekonomi dan Edukasi Pengaruh Motivasi Kerja , Disiplin Kerja , Pelatihan Kerja dan Komitmen Organisasi Terhadap Kinerja Driver Grab Bike di. Jurnal Sains Ekonomi Dan Edukasi, 2(8), 1990–2012. https://doi.org/https://doi.org/10.62335
Rossi, A., Maranto, K., Damayanti, L., & Ramadika, I. R. (2024). Perbandingan Algoritma C4 . 5 dan Naïve Bayes dalam Prediksi Loyalitas Pelanggan. Journal Binary Digital - Technology, 7(2). https://doi.org/10.32877/bt.v7i2.1825
Siswoyo, J., Fajarizka, D., Wira, S., Daud, I., Rumaropen, P., Martha, H., Ayorbaba, A. K., Prasetyo, A., Teknik, F., Informatika, T., & Papua, U. (2025). KLASIFIKASI TINGKAT KEPUASAN PELANGGAN FACEBOOK MARKETPLACE. JOISIE (Journal Of Information Systems And Informatics Engineering), 9(1), 237–245. https://doi.org/https://doi.org/10.35145/joisie.v9i1.5048
Sofwatillah, Risnita, Jailani, M. S., & Saksitha, D. A. (2024). TEHNIK ANALISIS DATA KUANTITATIF DAN KUALITATIF DALAM PENELITIAN ILMIAH. Genta Mulia, 15(2), 79–91.
Wastia, A., Hadiwibowo, T., Nabilla, F. P., Yunizar, A., & Yusuf, P. (2024). Analisis Tingkat Kepuasan Pengguna Shopee Bedasarkan Rating Dan Ulasan Google Play Store Menggunakan Naïve Bayes. Jurnal Riset Informatika Dan Teknologi Informasi (JRITI), 1(2), 43–47. https://doi.org/https://doi.org/10.58776/jriti.v1i2.122
