Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus: Jconnect Mobile)

Putra, Alland Rifqy; Ratnawati, Dian Eka; Putra, Alland Rifqy; Ratnawati, Dian Eka

doi:10.25126/jtiik.2025127556

Open access Jurnal SINTA 2

Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus: Jconnect Mobile)

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 2 (2025) · pp. 293–300

DOI: 10.25126/jtiik.2025127556
ISSN: 2528-6579, 2355-7699
Published: 2025-04-24
Publisher: Fakultas Ilmu Komputer, Universitas Brawijaya
Language: id
License: creativecommons.org/licenses/by-sa/4.0

Abstract

Bahasa Indonesia

JConnect Mobile merupakan salah satu aplikasi mobile banking di Indonesia yang dikembangkan oleh Bank Jatim. Hasil pengamatan pada ulasan playstore menunjukkan masih terdapat keluhan pengguna terkait aplikasi JConnect Mobile. Ulasan dari pengguna dapat dimanfaatkan sebagai sumber untuk melakukan peningkatan aplikasi. Salah satu cara untuk melakukan analisis pada ulasan pengguna yaitu dengan analisis sentimen. Penelitian ini melakukan analisis sentimen berbasis aspek untuk mengidentifikasi sentimen positif dan negatif pada ulasan pengguna. Data yang digunakan dalam penelitian ini adalah ulasan pengguna terhadap aplikasi JConnect Mobile di playstore. Aspek yang digunakan yaitu tampilan, fitur dan performa, layanan. Metode yang digunakan dalam penelitian ini yaitu pengumpulan data, pelabelan data, preprocessing teks, klasifikasi dan pengujian, analisis hasil. Klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil dari analisis sentimen dilakukan Root Cause Analysis (RCA) untuk mengetahui akar permasalahan dari sentimen negatif. Hasil pengujian algoritma Naïve Bayes pada seluruh data didapatkan akurasi sebesar 93.1%, presisi 93.2%, recall 93.1%, dan f1-score 93.1%. Hasil RCA menemukan lima permasalahan utama yang dapat ditingkatkan dari aplikasi. Berdasarkan hasil RCA kemudian dilakukan penyusunan rekomendasi untuk dapat meningkatkan kualitas layanan dari aplikasi. Hasil penelitian ini menghasilkan rekomendasi yang telah diserahkan kepada pihak Bank Jatim sebagai bahan evaluasi dan perbaikan dalam aspek tampilan, fitur, performa, dan layanan aplikasi untuk meningkatkan kepuasan pengguna. Abstract JConnect Mobile is one of the mobile banking applications in Indonesia developed by Bank Jatim. Observations on playstore reviews show that there are still user complaints regarding the JConnect Mobile application. Reviews from users can be utilized as a source for making application improvements. One way to analyze user reviews is with sentiment analysis. This research conducts aspect-based sentiment analysis to identify positive and negative sentiments in user reviews. The data used in this study are user reviews of the JConnect Mobile application in PlayStore. The aspects used are appearance, features and performance, service. The methods used in this research are data collection, data labeling, text preprocessing, classification and testing, result analysis. Classification is done using the Naïve Bayes algorithm and Term Frequency-Inverse Document Frequency (TF-IDF) weighting. The results of sentiment analysis are carried out Root Cause Analysis (RCA) to find out the root causes of negative sentiment. The results of testing the Naïve Bayes algorithm on all data obtained an accuracy of 93.1%, precision of 93.2%, recall of 93.1%, and f1-score of 93.1%. The RCA results found five main problems that can be improved from the application. Based on the RCA results, recommendations are made to improve the service quality of the application. The results of this study resulted in recommendations that have been submitted to the Bank Jatim as evaluation and improvement materials in the aspects of appearance, features, performance, and application services to increase user satisfaction.

English

Collaboration network of the authors

25 authors · 39 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

University of Brawijaya
Affiliation unknown

Different organisations
Same organisation
Affiliation unknown
Thicker line = more joint articles · bigger circle = more articles

Show as table

Co-author	Organisation	Joint articles
Indriati .	Affiliation unknown	2
Nanang Yudi Setiawan	University of Brawijaya	2
Marji .	University of Brawijaya	1
Lailil Muflikhah	University of Brawijaya	1
Putri Nur Fadila	University of Brawijaya	1
Zikfikri Yulfiandi Rachmad	University of Brawijaya	1
Achmad Arwan	University of Brawijaya	1
Mahendra Data	University of Brawijaya	1
Ibnu Aqli	University of Brawijaya	1
Suherni Prahesti	University of Brawijaya	1
Heru Nurwasito	University of Brawijaya	1
Sutrisno Sutrisno	University of Brawijaya	1
Rozaq Akbar	University of Brawijaya	1
Muhammad Fariz Firdaus	University of Brawijaya	1
Dinar Fairus Salsabillah	University of Brawijaya	1
Bayu Rahayudi	University of Brawijaya	1
Tsania Dzulkarnain	University of Brawijaya	1
Satrio Hadi Wijoyo	University of Brawijaya	1
Eka Bayu Satriawan	Affiliation unknown	1
Eka Bayu Satriawan	Affiliation unknown	1
Raihan Winurputra	Affiliation unknown	1
Raihan Winurputra	University of Brawijaya	1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.

Original metadata (oai_dc)

<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus : Jconnect Mobile)</dc:title>
	<dc:title xml:lang="en">Analisis Sentimen Berbasis Aspek pada Aplikasi Mobile Menggunakan Naïve Bayes berdasarkan Ulasan Pengguna Playstore (Studi Kasus : Jconnect Mobile)</dc:title>
	<dc:creator xml:lang="id">Putra, Alland Rifqy</dc:creator>
	<dc:creator xml:lang="id">Ratnawati, Dian Eka</dc:creator>
	<dc:creator xml:lang="en">Putra, Alland Rifqy</dc:creator>
	<dc:creator xml:lang="en">Ratnawati, Dian Eka</dc:creator>
	<dc:description xml:lang="id">JConnect Mobile merupakan salah satu aplikasi mobile banking di Indonesia yang dikembangkan oleh Bank Jatim. Hasil pengamatan pada ulasan playstore menunjukkan masih terdapat keluhan pengguna terkait aplikasi JConnect Mobile. Ulasan dari pengguna dapat dimanfaatkan sebagai sumber untuk melakukan peningkatan aplikasi. Salah satu cara untuk melakukan analisis pada ulasan pengguna yaitu dengan analisis sentimen. Penelitian ini melakukan analisis sentimen berbasis aspek untuk mengidentifikasi sentimen positif dan negatif pada ulasan pengguna. Data yang digunakan dalam penelitian ini adalah ulasan pengguna terhadap aplikasi JConnect Mobile di playstore. Aspek yang digunakan yaitu tampilan, fitur dan performa, layanan. Metode yang digunakan dalam penelitian ini yaitu pengumpulan data, pelabelan data, preprocessing teks, klasifikasi dan pengujian, analisis hasil. Klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil dari analisis sentimen dilakukan Root Cause Analysis (RCA) untuk mengetahui akar permasalahan dari sentimen negatif. Hasil pengujian algoritma Naïve Bayes pada seluruh data didapatkan akurasi sebesar 93.1%, presisi 93.2%, recall 93.1%, dan f1-score 93.1%. Hasil RCA menemukan lima permasalahan utama yang dapat ditingkatkan dari aplikasi. Berdasarkan hasil RCA kemudian dilakukan penyusunan rekomendasi untuk dapat meningkatkan kualitas layanan dari aplikasi. Hasil penelitian ini menghasilkan rekomendasi yang telah diserahkan kepada pihak Bank Jatim sebagai bahan evaluasi dan perbaikan dalam aspek tampilan, fitur, performa, dan layanan aplikasi untuk meningkatkan kepuasan pengguna.
 
Abstract
JConnect Mobile is one of the mobile banking applications in Indonesia developed by Bank Jatim. Observations on playstore reviews show that there are still user complaints regarding the JConnect Mobile application. Reviews from users can be utilized as a source for making application improvements. One way to analyze user reviews is with sentiment analysis. This research conducts aspect-based sentiment analysis to identify positive and negative sentiments in user reviews. The data used in this study are user reviews of the JConnect Mobile application in PlayStore. The aspects used are appearance, features and performance, service. The methods used in this research are data collection, data labeling, text preprocessing, classification and testing, result analysis. Classification is done using the Naïve Bayes algorithm and Term Frequency-Inverse Document Frequency (TF-IDF) weighting. The results of sentiment analysis are carried out Root Cause Analysis (RCA) to find out the root causes of negative sentiment. The results of testing the Naïve Bayes algorithm on all data obtained an accuracy of 93.1%, precision of 93.2%, recall of 93.1%, and f1-score of 93.1%. The RCA results found five main problems that can be improved from the application. Based on the RCA results, recommendations are made to improve the service quality of the application. The results of this study resulted in recommendations that have been submitted to the Bank Jatim as evaluation and improvement materials in the aspects of appearance, features, performance, and application services to increase user satisfaction.</dc:description>
	<dc:description xml:lang="en">JConnect Mobile merupakan salah satu aplikasi mobile banking di Indonesia yang dikembangkan oleh Bank Jatim. Hasil pengamatan pada ulasan playstore menunjukkan masih terdapat keluhan pengguna terkait aplikasi JConnect Mobile. Ulasan dari pengguna dapat dimanfaatkan sebagai sumber untuk melakukan peningkatan aplikasi. Salah satu cara untuk melakukan analisis pada ulasan pengguna yaitu dengan analisis sentimen. Penelitian ini melakukan analisis sentimen berbasis aspek untuk mengidentifikasi sentimen positif dan negatif pada ulasan pengguna. Data yang digunakan dalam penelitian ini adalah ulasan pengguna terhadap aplikasi JConnect Mobile di playstore. Aspek yang digunakan yaitu tampilan, fitur dan performa, layanan. Metode yang digunakan dalam penelitian ini yaitu pengumpulan data, pelabelan data, preprocessing teks, klasifikasi dan pengujian, analisis hasil. Klasifikasi dilakukan dengan menggunakan algoritma Naïve Bayes dan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil dari analisis sentimen dilakukan Root Cause Analysis (RCA) untuk mengetahui akar permasalahan dari sentimen negatif. Hasil pengujian algoritma Naïve Bayes pada seluruh data didapatkan akurasi sebesar 93.1%, presisi 93.2%, recall 93.1%, dan f1-score 93.1%. Hasil RCA menemukan lima permasalahan utama yang dapat ditingkatkan dari aplikasi. Berdasarkan hasil RCA kemudian dilakukan penyusunan rekomendasi untuk dapat meningkatkan kualitas layanan dari aplikasi. Hasil penelitian ini menghasilkan rekomendasi yang telah diserahkan kepada pihak Bank Jatim sebagai bahan evaluasi dan perbaikan dalam aspek tampilan, fitur, performa, dan layanan aplikasi untuk meningkatkan kepuasan pengguna.
 
Abstract
JConnect Mobile is one of the mobile banking applications in Indonesia developed by Bank Jatim. Observations on playstore reviews show that there are still user complaints regarding the JConnect Mobile application. Reviews from users can be utilized as a source for making application improvements. One way to analyze user reviews is with sentiment analysis. This research conducts aspect-based sentiment analysis to identify positive and negative sentiments in user reviews. The data used in this study are user reviews of the JConnect Mobile application in PlayStore. The aspects used are appearance, features and performance, service. The methods used in this research are data collection, data labeling, text preprocessing, classification and testing, result analysis. Classification is done using the Naïve Bayes algorithm and Term Frequency-Inverse Document Frequency (TF-IDF) weighting. The results of sentiment analysis are carried out Root Cause Analysis (RCA) to find out the root causes of negative sentiment. The results of testing the Naïve Bayes algorithm on all data obtained an accuracy of 93.1%, precision of 93.2%, recall of 93.1%, and f1-score of 93.1%. The RCA results found five main problems that can be improved from the application. Based on the RCA results, recommendations are made to improve the service quality of the application. The results of this study resulted in recommendations that have been submitted to the Bank Jatim as evaluation and improvement materials in the aspects of appearance, features, performance, and application services to increase user satisfaction.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-04-24</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7556</dc:identifier>
	<dc:identifier>10.25126/jtiik.2025127556</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 2: April 2025; 293-300</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 2: April 2025; 293-300</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.122</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/7556/1410</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>