Ulasan pengguna pada Google Play Store mengandung informasi mengenai pengalaman, kepuasan, serta kendala yang dirasakan selama menggunakan suatu aplikasi. Jumlah ulasan yang cukup banyak dan bentuk teks yang tidak terstruktur menyebabkan informasi tersebut sulit dianalisis secara manual. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Akademi Crypto di Google Play Store dan mengevaluasi kemampuan algoritma XGBoost dalam mengklasifikasikan sentimen ke dalam tiga kategori, yaitu positif, negatif, dan netral. Data penelitian terdiri atas 569 ulasan yang dikumpulkan pada periode Januari hingga Juni 2026. Tahapan penelitian meliputi pengumpulan data, pelabelan berdasarkan rating, preprocessing, pembobotan TF-IDF, pembagian data 80:20, klasifikasi menggunakan XGBoost, serta evaluasi model. Hasil pelabelan menunjukkan 317 ulasan positif, 230 ulasan negatif, dan 22 ulasan netral. Dari proses pembobotan TF-IDF, term dengan bobot tinggi antara lain 'aplikasi', 'crypto', 'bagus', 'login', dan 'daftar'. Berdasarkan hasil evaluasi model yang digunakan dalam penelitian, XGBoost memperoleh accuracy 74,07%, precision 58,59%, recall 58,35%, dan F1-score 57,68%. Hasil tersebut menunjukkan bahwa XGBoost dapat digunakan untuk klasifikasi sentimen pada ulasan Akademi Crypto, dengan keterbatasan terutama pada pengenalan kelas netral yang memiliki jumlah data paling sedikit.
References
Chandradev, V., Suarjaya, I. M. A. D., & Bayupati, I. P. A. (2023). Analisis sentimen review hotel menggunakan metode deep learning BERT. Jurnal Buana Informatika, 14(2), 107–116.
Gilbert, G., Manurung, R., & Saputra, A. (2023). Analisis sentimen berdasarkan ulasan pengguna aplikasi MyPertamina pada Google Playstore menggunakan metode Naïve Bayes. Jurnal Sistem Penyimpanan dan Teknologi Informasi, 4(1), 21–29.
Kurniawanda, M. R., & Tobing, F. A. T. (2022). Analysis sentiment cyberbullying in Instagram comments with XGBoost method. IJNMT, 9(1), 28–34.
Maulana, R., Voutama, A., & Ridwan, T. (2023). Analisis sentimen ulasan aplikasi MyPertamina pada Google Play Store menggunakan algoritma NBC. Jurnal Teknologi Terpadu, 9(1), 42–48.
Munandar, A. A., Farikhin, F., & Widodo, C. E. (2023). Sentimen analisis aplikasi belajar online menggunakan klasifikasi SVM. JOINTECS, 8(2), 77.
Prasetyo, A. W., & Putra, R. E. (2024). Analisis sentimen Twitter pada cryptocurrency menggunakan BERT dan RCNN. JINACS, 6(1), 11–21.
Prayitno, E., Suprawoto, T., & Riyanto, B. F. (2021). Optimasi hasil pencarian pada web scrapping menggunakan pembobotan TF-IDF. Journal of Innovation Research and Knowledge, 1(7), 241–246.
Setiyono, B. N., Prasetyo, A., & Ramadhan, M. (2024). Analisis sentimen ulasan pengguna aplikasi Threads di Google Play menggunakan algoritma XGBoost dengan penguatan SMOTE. Jurnal Informatika dan Teknologi Informasi, 5(2), 112–120.
Wardana, D. A. B., Nugroho, S., & Firdaus, M. (2024). Analisis sentimen ulasan pengguna aplikasi MyPertamina pada Google Play Store menggunakan metode XGBoost dan Word2Vec embedding. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(1), 155–163.
Widiarta, I. P. A. P., Dwiyansaputra, R., & Aranta, A. (2023). Analisis sentimen masyarakat terhadap kebijakan penerapan PPKM di media sosial Twitter dengan menggunakan metode XGBoost. Jurnal Teknologi Informasi, Komputer, dan Aplikasinya, 5(2), 154–163.
Yang, Y., Siau, K., Xie, W., & Sun, Y. (2022). A systematic review of sentiment analysis: Approaches, applications, and challenges. Frontiers in Psychology, 13, 918447. https://doi.org/10.3389/fpsyg.2022.918447
Zain, A. F., Rahman, F., & Hidayat, T. (2025). Analisis sentimen ulasan pengguna iPhone dengan pendekatan hibrida RoBERTa dan XGBoost. Jurnal Algoritma, 22(1), 45–53.
Zhafira, D. F., Rahayudi, B., & Indriati, I. (2021). Analisis sentimen kebijakan Kampus Merdeka menggunakan Naive Bayes dan pembobotan TF-IDF berdasarkan komentar pada Youtube. Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi, 2(1). https://doi.org/10.25126/justsi.v2i1.24