Sentiment Analysis of PLN Mobile Application Reviews Using the Naïve Bayes Classifier Algorithm
Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier
DOI:
https://doi.org/10.21070/ups.9085Keywords:
Naïve Bayes, Data Mining, PLN Mobile, Sentiment Analysis, Google ColabAbstract
As the use of digital applications increases, user reviews have become an important source of information for understanding customer satisfaction and needs. The PLN Mobile application is one of the widely used public service applications. This study aims to analyze the sentiment of PLN Mobile application user reviews using the Naïve Bayes Classifier algorithm. Data were obtained from the Google Playstore application and obtained 400 data, the data split using a 70:30 ratio. Data collection and processing used Google Colab tools using the Python programming language. From the 120 data used, the Naïve Bayes Classifier model showed quite good performance. For positive sentiment, the precision value achieved was 88%, recall 80%, and f1-score 84%, with the support of 86 reviews. The accuracy result obtained was 78%. These results indicate that the Naïve Bayes Classifier algorithm can be used effectively to classify the sentiment of PLN Mobile application user reviews, providing valuable insights for application developers for service improvement.
Downloads
References
R. Simanjuntak, S. Helmi, Trisninawati, and M. Gunarto, “Peranan Kualitas Layanan pada Aplikasi PLN Mobile dan Harga terhadap Kepuasan Pelanggan di PT. PLN (Persero) UP3 Palembang ULP Rivai,” Veloc. J. Sharia Finance Bank., vol. 4, no. 2, Art. no. 2, Nov. 2024, doi: 10.28918/velocity.v4i2.8750.
M. Fadhilla et al., “Pengembangan Model Governance Digital Untuk Meningkatkan Efisiensi Operasional PLN,” Ranah Res. J. Multidiscip. Res. Dev., vol. 5, no. 4, pp. 344–351, Nov. 2023, doi: 10.38035/rrj.v5i4.786.
S. Akromah and I. R. Kusumasari, “Penerapan Aplikasi PLN Mobile Dalam Meningkatkan Pelayanan Pelanggan PLN ULP Bojonegoro Kota,” J. Masy. Mengabdi Nusant., vol. 2, no. 2, Art. no. 2, June 2023, doi: 10.58374/jmmn.v2i2.154.
R. Primadya, “Empat Tahun Jalankan Transformasi, Nilai Aset PLN Tembus Rp1.691 Triliun,” PT PLN (Persero). Accessed: May 11, 2025. [Online]. Available: https://web.pln.co.id/cms/media/siaran-pers/2024/09/empat-tahun-jalankan-transformasi-nilai-aset-pln-tembus-rp1-691-triliun/
A. P. Warassih and P. Supriyoso, “Inovasi Customer Focused Melalui Command Center Untuk Peningkatan Efektivitas Penanganan Laporan Pelanggan Di PT PLN (PERSERO) UP3 Bangka,” J. Manaj. Dan Prof., vol. 5, no. 2, Art. no. 2, Aug. 2024, doi: 10.32815/jpro.v5i2.2221.
M. R. Attani, V. Pujani, and Y. H. Yeni, “Analisis Implementasi Transformasi PLN Pada PT PLN (PERSERO) Unit Induk Sumatra Barat,” J. Ilm. Manaj. Ekon. Akunt. MEA, vol. 8, no. 2, Art. no. 2, June 2024, doi: 10.31955/mea.v8i2.4240.
H. B. Tambunan and T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” PETIR, vol. 15, no. 1, pp. 121–134, Dec. 2021, doi: 10.33322/petir.v15i1.1352.
S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor: Sentiment Analysis of PLN Mobile Application Review Using Naïve Bayes Classifier and K-Nearest Neighbor Algorithm,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, Art. no. 1, 2024, doi: 10.57152/malcom.v4i1.983.
A. A. Haq, “Penggunaan Aplikasi Pln Mobile Sebagai Sarana Komunikasi Digital dalam Upaya Meningkatkan Kualitas Pelayanan Pelanggan,” Comserva J. Penelit. Dan Pengabdi. Masy., vol. 2, no. 7, pp. 1193–1200, 2022, doi: 10.36418/comserva.v2i07.447.
M. R. Ifaldiansyah and D. Hertati, “Efektivitas Program Pemasangan Listrik Baru Menggunakan Aplikasi PLN Mobile di Wilayah Kerja Unit Pelaksana Pelayanan Pelanggan (UP3) Surabaya Selatan,” J. Ilmu Sos. Dan Ilmu Polit. JISIP, vol. 12, no. 3, pp. 347–354, Nov. 2023, doi: https://doi.org/10.33366/jisip.v12i3.
santikaaristi, “Layanan Kelistrikan Kian Mudah dan Cepat, Ini Kata Pelanggan PLN Tentang PLN Mobile,” PT PLN (Persero). Accessed: Nov. 10, 2024. [Online]. Available: https://web.pln.co.id/cms/media/siaran-pers/2022/07/layanan-kelistrikan-kian-mudah-dan-cepat-ini-kata-pelanggan-pln-tentang-pln-mobile/
R. Primadya, “Kualitas Layanan Terus Meningkat, Komisi XII DPR RI Apresiasi Aplikasi PLN Mobile,” PT PLN (Persero). Accessed: May 12, 2025. [Online]. Available: https://web.pln.co.id/cms/media/siaran-pers/2024/12/kualitas-layanan-terus-meningkat-komisi-xii-dpr-ri-apresiasi-aplikasi-pln-mobile/
I. Akbar and M. Faisal, “Perbandingan Analisis Sentimen PLN Mobile: Machine Learning vs. Deep Learning,” JOINTECS J. Inf. Technol. Comput. Sci., vol. 8, no. 1, pp. 1–10, May 2024, doi: 10.31328/jointecs.v8i1.5078.
A. Rahmadeyan and M. Mustakim, “Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19,” J. Nas. Teknol. Dan Sist. Inf., vol. 9, no. 1, Art. no. 1, May 2023, doi: 10.25077/TEKNOSI.v9i1.2023.21-32.
I. G. Hendrayana, D. G. H. Divayana, and M. W. A. Kesiman, “Komparasi Metode SVM, K-NN Dan NBC Pada Analisis Sentimen,” J. Indones. Manaj. Inform. Dan Komun., vol. 4, no. 1, Art. no. 1, Jan. 2023, doi: 10.35870/jimik.v4i1.157.
M. A. Permana, S. Widiastuti, and S. Saepudin, “Analisis Sentimen Penggunaan Aplikasi Video Conference Pada Ulasan Google Play Store Menggunakan Metode NBC,” JURSISTEKNI J. Ris. Sist. Inf. Dan Teknol. Inf., vol. 5, no. 1, Art. no. 1, Jan. 2023, doi: 10.52005/jursistekni.v5i1.178.
D. Nugraha and D. Gustian, “Analisis Sentimen Penggunaan Aplikasi Transportasi Online Pada Ulasan Google Play Store dengan Metode Naive Bayes Classifier,” Kesatria J. Penerapan Sist. Inf. Komput. Dan Manaj., vol. 5, no. 1, Art. no. 1, Jan. 2024, doi: 10.30645/kesatria.v5i1.341.
S. M. Salsabila, A. A. Murtopo, and N. Fadhilah, “Analisis Sentimen Pelanggan Tokopedia Menggunakan Metode Naïve Bayes Classifier,” J. Minfo Polgan, vol. 11, no. 2, Art. no. 2, Aug. 2022, doi: 10.33395/jmp.v11i2.11640.
S. A. S. Mola, S. N. R. Djawa, and A. Y. Mauko, Text Mining: Analisis Sentimen dengan Naïve Bayes. Kaizen Media Publishing, 2025.
F. A. Nugraha, N. H. Harani, and R. Habibi, Analisis Sentimen Terhadap Pembatasan Sosial Menggunakan Deep Learning. Kreatif.
Y. A. MMSI S. T. and D. D. D. K. dkk M. Kom, Machine Learning & Deep Learning : Analisis Sentimen Menggunakan Ulasan Pengguna Aplikasi. Uwais Inspirasi indonesia, 2024.
N. I. Majdina, B. Pratikno, and A. Tripena, “Penentuan Ukuran Sample Menggunakan Rumus Bernoulli Dan Slovin: Konsep Dan Aplikasinya,” J. Ilm. Mat. Dan Pendidik. Mat., vol. 16, no. 1, Art. no. 1, June 2024, doi: 10.20884/1.jmp.2024.16.1.11230.
T. Krisdiyanto, “Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers,” J. CoreIT J. Has. Penelit. Ilmu Komput. Dan Teknol. Inf., vol. 7, no. 1, Art. no. 1, July 2021, doi: 10.24014/coreit.v7i1.12945.
R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, Art. no. 1, July 2023, doi: 10.54914/jtt.v9i1.609.
I. Saputra, T. Djatna, R. R. A. Siregar, D. A. Kristiyanti, H. R. Yani, and A. A. Riyadi, “Text Mining of PeduliLindungi Application Reviews on Google Play Store,” Fakt. Exacta, vol. 15, no. 2, Art. no. 2, Aug. 2022, doi: 10.30998/faktorexacta.v15i2.10629.
“An Introduction to TF-IDF: What It Is & How to Use It,” Semrush Blog. Accessed: May 11, 2025. [Online]. Available: https://www.semrush.com/blog/tf-idf/null
F. Khoirunnisa and S. Topiq, “Analisis Sentimen Terhadap Kepercayaan Masyarakat Pada Proses Penegakan Hukum Di Indonesia Dengan Menggunakan Algoritma Naive Bayes,” J. Inform. Dan Tek. Elektro Terap., vol. 12, no. 3, Art. no. 3, Aug. 2024, doi: http://dx.doi.org/10.23960/jitet.v12i3.4683.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J-SAKTI J. Sains Komput. Dan Inform., vol. 5, no. 2, Art. no. 2, Sept. 2021, doi: 10.30645/j-sakti.v5i2.369.
I. T. Julianto and L. Lindawati, “Analisis Sentimen Terhadap Sistem Informasi Akademik Institut Teknologi Garut,” J. Algoritma, vol. 19, no. 1, pp. 458–468, May 2023, doi: https://doi.org/10.33364/algoritma/v.19-1.1112.
K. S. Ningsih and I. Zufria, “Penerapan Algoritma C5.0 Untuk Memprediksi Tingkat Kepuasan Siswa Terhadap Kinerja Guru MAN Simalungun,” J. FASILKOM, vol. 13, no. 3, pp. 406–415, Dec. 2023, doi: 10.37859/jf.v13i3.6347.
N. A’ayunnisa, Y. Salim, and H. Azis, “Analisis Performa Metode Gaussian Naïve Bayes untuk Klasifikasi Citra Tulisan Tangan Karakter Arab,” Indones. J. Data Sci., vol. 3, no. 3, Art. no. 3, Dec. 2022, doi: 10.56705/ijodas.v3i3.54.
Downloads
Additional Files
Posted
License
Copyright (c) 2025 UMSIDA Preprints Server
This work is licensed under a Creative Commons Attribution 4.0 International License.
