Sentimen Analisis Aplikasi CamScanner Dengan Algoritma Naïve Bayes
Article Sidebar
Main Article Content
Abstract
CamScanner merupakan sebuah aplikasi pemindai suatu objek seperti foto, artikel, makalah ataupun dokumen lainnya yang kemudian akan dikonversi ke format digital. Aplikasi ini dipublikasikan pada tahun 2011 oleh INTSIG Information Co. Aplikasi CamScanner sudah diunduh lebih dari 100 juta pengguna pada platform Play Store dengan total ulasan lebih dari 4 juta ulasan pengguna. Aplikasi digital perlu terus berkembang mengikuti berkembang kebiasaan pengguna yang terus mengalami perubahan dari zaman ke zaman sehingga aplikasi terus relevan di mata pengguna dan tetap digunakan. Melalui ulasan yang ada pada platform Play Store, aplikasi CamScanner dapat menjadikan ulasan tersebut masukan untuk melakukan pengembangan. Dari data ulasan yang ada dapat dilihat apakah mayoritas pengguna aplikasi CamScanner sudah cukup puas dengan performa atau tidak puas dengan performa aplikasi selama mereka menggunakannya. Maka dari itu hal ini dapat dilakukan analisis lebih lanjut menggunakan data-data yang sudah ada. Peneliti melakukan scraping data menggunakan python untuk mengambil hasil ulasan pada Play Store, dengan total data yang berhasil diambil sebanyak 200 data. Data hasil scraping ini akan dilakukan analisis sentimen menggunakan metode Naive Bayes pada aplikasi Rapidminer dengan mengklasifikasikan sentimen menjadi dua, yaitu sentimen positif dan sentimen negatif. Hasil yang di dapat adalah 112 sentimen positif dan 88 sentimen negatif dengan persentase keakuratan analisis sentimen sebesar 78.07%. Sehingga dapat disimpulkan bahwa lebih banyak pengguna dengan sentimen positif daripada pengguna dengan sentimen negatif. Namun, persentase sentimen positif dan negatif tidak berbanding jauh, maka dari itu hal ini dapat menjadi masukan bagi aplikasi CamScanner untuk meningkatkan kualitas aplikasi atau pelayanan pengguna.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
[2] R. Candra, H. Bunyamin MKom, and D. Djohar Damiri MSi, “PENGEMBANGAN PERANGKAT LUNAK PENGELOLAAN DATA MAKAN KARYAWAN BERBASIS BARCODE SCANNER,” 2014. [Online]. Available: http://jurnal.sttgarut.ac.id
[3] R. Sholihah1 and A. Dwi, “Analisis Kepuasan Pengguna Aplikasi Camscanner Menggunakan Metode Technology Acceptance Model (TAM) dan End-User Computing Satisfaction (EUCS),” 2022.
[4] Kelvin H., Erlin, Yenny Desnelita, and Dwi Oktarina, “Sentiment Analysis of IKD Application Reviews on Play Store Using Random Forest,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 14, no. 3, pp. 171–180, Aug. 2025, doi: 10.22146/jnteti.v14i3.20473.
[5] J. Alga, C. Wulandari, and B. Intan, “RESOLUSI : Rekayasa Teknik Informatika dan Informasi Analisis Sentimen Aplikasi Youtube di Google Play Store Menggunakan Machine Learning”, [Online]. Available: https://djournals.com/resolusi
[6] N. Putriani, F. R. Umbara, and P. N. Sabrina, “Analisis Sentimen pada Aplikasi PeduliLindungi dengan Menggunakan Metode Improved K-Nearest Neighbor dan Lexicon Based,” Jurnal Teknologi Informatika dan Komputer, vol. 8, no. 1, pp. 350–364, Mar. 2022, doi: 10.37012/jtik.v8i1.1107.
[7] Irma Surya Kumala Idris, Yasin Aril Mustofa, and Irvan Abraham Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura Journal of Electrical and Electronics Engineering, vol. 5, no. 1, pp. 32–35, Dec. 2023, doi: 10.1177/0165551510388123.
[8] S. Kusuma Wardani and Y. Arum Sari, “Analisis Sentimen menggunakan Metode Naïve Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id
[9] R. D. R. Apriliansyah, R. Astuti, W. Prihartono, and R. Hamonangan, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Pengunjung di Pantai Kejawanan,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5774.
[10] Z. Rahman Hakim and S. Sugiyono, “Analisa Sentimen Terhadap Kereta Cepat Jakarta – Bandung Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor,” Jurnal Sains dan Teknologi, vol. 5, no. 3, pp. 939–945, Apr. 2024, doi: 10.55338/saintek.v5i3.1423.
[11] N. Purwati and A. D. Januanti, “Prediksi Tingkat Kelulusan Mahasiswa dengan Algoritma Naive Bayes,” 2021.
[12] S. Ulya, A. Ridwan, W. Cholid Wahyudin, F. Maisa, and H. D. Ab, “Text Mining Sentimen Analisis Pengguna Aplikasi Marketplace Tokopedia Berdasar Rating dan Komentar Pada Google Play Store,” 2022.
[13] S. Agung, “Implementasi Text Mining untuk Analisis Review pada Aplikasi Crowdfunding LX dan ST Menggunakan Metode Sentiment Analysis,” LANCAH: Jurnal Inovasi dan Tren, vol. 2, no. 1, Feb. 2024, doi: 10.35870/ljit.v2i1.2245.
[14] F. Fridom Mailo et al., “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia,” 2019.
[15] H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 2, Oct. 2020, doi: 10.30646/tikomsin.v8i2.500.
[16] H. Hartono, A. Hajjah, and Y. N. Marlim, “Penerapan Metode Naïve Bayes Classifier Untuk Klasifikasi Judul Berita,” vol. 12, no. 1, 2023.
