ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI PINTEREST PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

Muh Arfah Wahlil Pratama; Suryadi Suryadi; Haldi Alfaisal; Nurjaya Nurjaya; Nia rahmadani Nia; Ahmad Ashar; Elsa Elsa; Riksal Rivaldi; Sri Rejeki; Dimas Rezkianto; Iin Sugiarti; Zulfikar Isnansah

doi:10.64626/jukomtek.v5i2.728

Penulis

Muh Arfah Wahlil Pratama universitas muhammadiyah kolaka utara
Suryadi Suryadi universitas muhammadiyah kolaka utara
Haldi Alfaisal universitas muhammadiyah kolaka utara
Nurjaya Nurjaya universitas muhammadiyah kolaka utara
Nia rahmadani Nia Universitas Muhammadiyah Kolaka Utara
Ahmad Ashar universitas muhammadiyah kolaka utara
Elsa Elsa universitas muhammadiyah kolaka utara
Riksal Rivaldi universitas muhammadiyah kolaka utara
Sri Rejeki universitas muhammadiyah kolaka utara
Dimas Rezkianto universitas muhammadiyah kolaka utara
Iin Sugiarti universitas muhammadiyah kolaka utara
Zulfikar Isnansah universitas muhammadiyah kolaka utara

DOI:

https://doi.org/10.64626/jukomtek.v5i2.728

Kata Kunci:

Sentiment Analysis, Naive Bayes, Google Colab, Pinterest, User Reviews

Abstrak

The rapid growth of user reviews on the Google Play Store offers valuable insights for app developers. This study conducts sentiment analysis on Pinterest user reviews using the Naive Bayes Classifier algorithm. Data was collected via web scraping using the `google-play-scraper` library within the Google Colaboratory environment. The dataset, consisting of Indonesian-language reviews, underwent preprocessing steps including case folding, tokenization, stopword removal, and stemming. Feature extraction was performed using TF-IDF, and the model was evaluated using a confusion matrix with an 80:20 train-test split. The results indicate that the Naive Bayes model achieved an accuracy of 84.00%, a precision of 84.00%, and a recall of 77.78%. The sentiment distribution reveals a predominance of positive reviews, reflecting overall user satisfaction with the Pinterest app. This research contributes to the understanding of public opinion regarding visual-based applications and validates the effectiveness of Google Colab as an integrated platform for Indonesian-language sentiment analysis

Referensi

Analisis Sentimen Pengguna Twitter Terhadap Brand Indosat Menggunakan Metode Naïve Bayes Classifier. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 4291–4297. https://doi.org/10.36040/jati.v8i3.9866

Aji Afani Maldini, M., & Andryana, S. (2025). Analisis Sentimen Ulasan Pengguna Aplikasi Perbankan Menggunakan Algoritma Support Vector Machine Dan Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 9(3), 4098–4105. https://doi.org/10.36040/jati.v9i3.13522

Anjani, H. U., Vitriani, V., & Hastuti, M. (2024). Pemanfaatan Media Google Colaboratory Pada Mata Pelajaran Informatika di SMA Negeri 5 Pekanbaru besar dalam meningkatkan efektivitas pengajaran dan pembelajaran , khususnya dalam mata pengguna untuk menulis dan mengeksekusi kode Python secara daring melal. Jurnal Ilmu Pendidikan (SOKO GURU), 4(1), 101–108.

Cantika, C., Sitompul, M. D., & Wijaya, A. (2026). Analisis Ulasan Aplikasi Dalam Google Play Store Menggunakan Model Naive Bayes. Jurnal Riset Multidisiplin Edukasi, 3, 1–17. https://journal.hasbaedukasi.co.id/index.php/jurmie

Fajar Ariwibowo, M., Swadaya Hidayat, I., Putri Andita, M., & Mawarindani Indra, A. (2024). Memanfaatkan Aplikasi Pinterest Sebagai Referensi Untuk Membuat Konten Digital Marketing. Jurnal Pengabdian Masyarakat Nusantara (JPMN), 4(2), 192–196. https://doi.org/10.35870/jpmn.v4i2.3231

Ginting, A., Purba, D., Sinaga, L. M., & Sagala, M. (2025). Analisis Sentimen Masyarakat Twitter terhadap Emas Digital Menggunakan Algoritma Naïve Bayes. KAKIFIKOM (Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer), 07(01), 8–14. https://ejournal.ust.ac.id/index.php/KAKIFIKOM/article/view/4909

Khainur, A. F. Y., Yuares, T., Fathurrohman, M. H., Widianingsih, & Rozikin, C. (2025). Analisis Komparatif Efektivitas Pipeline Data Cleaning Berbasis Aturan Dan Lemmatisasi Untuk Klasifikasi Sentimen. Jurnal TIMES, 14(2), 141–149. https://doi.org/10.51351/jtm.14.2.2025890

Khotimah, A. K. (2024). Analisis Sentimen Terhadap Kualitas Pelayanan (Tinjauan Literatur). JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 3044–3048.

Putra Kurniawan, R., Istiadi, I., & Wahyu Iriananda, S. (2025). Analisis Sentimen Ulasan Aplikasi Linkedin Berbasis Lexicon Dan Long Short-Term Memory (Lstm). JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 2315–2324. https://doi.org/10.36040/jati.v9i2.13042

Rossa Annjani, A., Indahyanti, U., Wahyu Azinar, A., & Dijaya, R. (2026). Penerapan Algoritma Machine Learning Untuk Memprediksi Sentimen Kepuasan Pengguna Weverse. JATI (Jurnal Mahasiswa Teknik Informatika), 10(1), 784–790. https://doi.org/10.36040/jati.v10i1.16874

Tarigan, P., Prabowo, A., & Govandy. (2024). Analisis Tingkat Akurasi Metode Naïve Bayes Dataset Breast Cancer Wisconsin. Jatilima : Jurnal Multimedia Dan Teknologi Informasi, 06(02), 134–142.

Uddin, B., Dewi, D., Basam, F., Mila, E., & Wijayadi, L. (2024). Efektivitas Pemanfaatan Pinterest Terhadap Kreativitas Pengguna. 7(4), 678–684.

Zainuddin Siregar, M., Marwan Elhanafi, A., & Irwan, D. (2025). Analisis Sentimen Terhadap Ulasan Aplikasi Media Sosial Di Google Play Menggunakan Algoritma Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 3373–3381. https://doi.org/10.36040/jati.v9i2.12841