KLASIFIKASI SENTIMEN REVIEW PENGGUNA APLIKASI KHAN ACADEMY DI PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES

Authors

  • Abdul Razaq Universitas Pembangunan Panca Budi
  • Josua M.H Simaremare Universitas Pembangunan Panca Budi
  • Fajar Aulia Lubis Universitas Pembangunan Panca Budi
  • Muhammad Irfan Sarif Universitas Pembangunan Panca Budi
  • Zulham Sitorus Universitas Pembangunan Panca Budi

DOI:

https://doi.org/10.54314/jssr.v9i3.6342

Keywords:

Klasifikasi Sentimen, Naive Bayes, Khan Academy, Playstore

Abstract

Abstract: The application was developed to provide digital learning services and educational information to users. This application is designed to facilitate students, teachers, and the general public in accessing various educational materials online. The application can be downloaded through the Google Play Store platform. On this platform, users are able to submit reviews regarding the application, which can serve as valuable feedback for developers in improving the application’s performance and features. This study aims to conduct sentiment analysis on user reviews of the application using a sentiment analysis approach. In this research, the method employed is the Naive Bayes algorithm, a probability-based classification technique that is widely used in sentiment analysis studies. The distribution of sentiment classification results indicates a dominance of positive sentiment at 85%, suggesting that the majority of users are satisfied with the services provided by the application. Neutral sentiment accounts for 6.5%, while negative sentiment represents 7.5%, indicating that there are still several complaints expressed by users. Overall, these findings demonstrate that the application has a good level of user acceptance, although continuous improvements are still necessary. 

Keywords: Sentiment Classification; Naive Bayes; Khan Academy Application; Google Play Store

 

Abstrak: Aplikasi Khan Academy merupakan aplikasi yang dikembangkan untuk menyediakan layanan dan informasi pembelajaran secara digital kepada pengguna. Aplikasi ini dirancang untuk memudahkan siswa, guru, dan masyarakat umum dalam mengakses berbagai materi pendidikan secara online. Aplikasi Khan Academy dapat diunduh melalui Play Store. Pada platform tersebut, pengguna dapat memberikan ulasan terhadap aplikasi Khan Academy sehingga dapat dijadikan sebagai referensi bagi pengembang dalam melakukan perbaikan aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Khan Academy menggunakan pendekatan analisis sentimen. Dalam penelitian ini, metode yang digunakan adalah Naive Bayes, yaitu teknik klasifikasi berbasis probabilitas yang umum digunakan dalam analisis sentimen. Distribusi sentimen hasil klasifikasi menunjukkan dominasi sentimen positif sebesar 85%, yang menandakan bahwa sebagian besar pengguna merasa puas terhadap layanan aplikasi Khan Academy. Sentimen netral tercatat sebesar 6,5%, sedangkan sentimen negatif sebesar 7,5%, yang menunjukkan masih adanya sejumlah keluhan pengguna. Secara keseluruhan, hasil ini mengindikasikan bahwa aplikasi Khan Academy memiliki tingkat penerimaan yang baik, meskipun tetap memerlukan perbaikan berkelanjutan.

Kata Kunci: Klasifikasi Sentimen; Naive Bayes; Khan Academy; Playstore

Downloads

Download data is not yet available.

References

Ardiansyah, & Kurniawan. (2024). Optimasi Metode Naïve Bayes Classifier Menggunakan Pendekatan Term Frequency-Inverse Document Frequency (TF-IDF) Pada Analisis Sentimen. JSAI: Journal Scientific and Applied Informatics, 7(3), 458~463. https://doi.org/10.36085

Gumilar, T. S., Astuti, R., & Wijaya, Y. A. (2024). Analisis Sentimen Ulasan Aplikasi Lita Di Play Store Menggunakan Algoritma Naive Bayes. Jurnal Mahasiswa Teknik Informatika, 8(1), 543.

Khoerunnisa, S., Shiddieq, D. F., & Nurhayati, D. (2025). Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(2), 566–577. https://doi.org/10.57152/malcom.v5i2.1852

Nurwanda, F., & Rizkiani, J. R. (2023). Perbandingan Metode Naive Bayes Classifier dan Support Vector Machine pada Analisis Sentimen Twitter Topik Lifestyle. Jurnal Ilmiah Wahana Pendidikan, 9(21), 314–323. https://doi.org/10.5281/zenodo.10077023

Prastyo, P. A., Berlilana, & Tahyudin, I. (2025). Sentiment Analysis on Slang Enriched Texts Using Machine Learning Approaches. Journal of Applied Data Sciences, 6(2), 1076–1087. https://doi.org/10.47738/jads.v6i2.626

Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Informatika Dan Sistem Informasi, 9(2), 785–795.

Tarigan, D. A., Situmorang, Z., & Rosnelly, R. (2025). Analisis Sentimen Aplikasi Playstore Sirekap 2024 Pasca Pilpres Dengan Perbandingan Metode Support Vector Machine (Svm), Naïve Bayes Classifier Dan Random Forest. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 11(3), 661–670.

Zebua, F. J., Br Manalu, R. P., & Nababan, M. N. K. (2021). PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN PERBANDINGAN ALGORITMA C5.0 DENGAN REGRESSION LINEAR. Jurnal Teknik Informasi Dan Komputer (Tekinkom), 4(2), 230. https://doi.org/10.37600/tekinkom.v4i2.400

Downloads

Published

2026-06-17

Issue

Vol. 9 No. 3 (2026): June 2026

Section

Artikel

License

Copyright (c) 2026 Abdul Razaq, Josua M.H Simaremare, Fajar Aulia Lubis, Muhammad Irfan Sarif, Zulham Sitorus

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Most read articles by the same author(s)