Evaluasi Sentimen Ulasan Aplikasi DeepSeek di Google Play Store menggunakan Algoritma Decision Tree

Authors

  • Muhammad Ishak Politeknik Dewantara
  • Andi Wafda Politeknik Dewantara
  • Ryan Alghazali Pakkaja Politeknik Dewantara

DOI:

https://doi.org/10.54065/artificial.1129

Keywords:

Analisis Sentimen, Algoritma Decision Tree, Aplikasi DeepSeek

Abstract

Aplikasi kecerdasan buatan (AI) DeepSeek telah menjadi fenomena baru dalam teknologi asisten virtual, bersaing ketat dengan platform mapan lainnya. Ulasan pengguna di Google Play Store menyediakan data krusial untuk mengevaluasi persepsi publik terhadap kinerja aplikasi ini. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna DeepSeek serta mengidentifikasi faktor dominan penyebab kepuasan maupun ketidakpuasan. Penelitian menggunakan pendekatan eksperimen komputasi, yaitu melakukan pengujian model klasifikasi sentimen berbasis supervised learning (Decision Tree) pada data ulasan yang diperoleh melalui scraping Google Play Store dan direpresentasikan menggunakan fitur TF-IDF. Metodologi penelitian dimulai dengan pengumpulan data sebanyak 3506 ulasan melalui teknik scraping, diikuti tahap pra-pemrosesan teks yang meliputi case folding, cleaning, normalisasi kata tidak baku dan stopword removal untuk menangani variasi bahasa informal. Klasifikasi sentimen dilakukan menggunakan algoritma Decision Tree dengan ekstraksi fitur TF-IDF, menerapkan pelabelan otomatis berbasis skor/rating. Hasil evaluasi menunjukkan model mampu mengklasifikasikan sentimen dengan akurasi sebesar 75,93%. Analisis mendalam menggunakan N-Gram mengungkapkan temuan signifikan: sentimen negatif didominasi oleh kendala infrastruktur teknis dengan tingginya frekuensi frasa "server busy please" dan "try again later", sedangkan sentimen positif berpusat pada aspek fungsionalitas dengan kata kunci "sangat membantu" dan "bagus". Temuan ini mengindikasikan bahwa perbaikan stabilitas server dan skalabilitas layanan berpotensi menjadi strategi utama untuk meningkatkan persepsi pengguna.

References

Baihaqi, M. F., Magdalena, L., & Fahrudin, R. (2025). Analisis Sentimen Aplikasi Deepseek Menggunakan Metode Naive Bayes dan Support Vector Machine. RIGGS: Journal of Artificial Intelligence and Digital Business, 4(3), 4051-4062. https://doi.org/10.31004/riggs.v4i3.2511

Darulanda, H., Padangjati, A. N., & Al-Marami, Z. (2024). Narasi Populer tentang AI dalam Pendidikan: Studi Literatur Wacana Daring. Jurnal Literasi Digital, 3(2), 99–109. https://doi.org/10.54065/jld.3.2.2023.601

Fathoni, F., Harahap, D. K., Pardede, E. T., Nachwa, S., Maulizidan, M. R., & Ibrahim, A. (2025). Komparasi Kinerja KNN dan Naïve Bayes Untuk Klasifikasi Sentimen Pengguna Aplikasi Deepseek AI. JATI (Jurnal Mahasiswa Teknik Informatika), 9(4), 6021-6028. https://doi.org/10.36040/jati.v9i4.13887

Handayani, M. R., Yuniarti, W. D., & Umam, K. (2024). Opini Publik Pasca-Pemilihan Presiden: Eksplorasi Analisis Sentimen Media Sosial X Menggunakan SVM: Indonesia. SINTECH (Science and Information Technology) Journal, 7(2), 80-91. https://doi.org/10.31598/sintechjournal.v7i2.1581

Husain, N. P., Sukirman, S., & SAJIAH, S. (2024). Analisis Sentimen Ulasan Pengguna Tiktok pada Google Play Store Berbasis TF-IDF dan Support Vector Machine. Journal of System and Computer Engineering, 5(1), 91-102. https://doi.org/10.61628/jsce.v5i1.1105

Karim, H. F., & Wibowo, A. P. (2025). Kinerja Metode Fine-Tuning IndoBERT untuk Klasifikasi Emosi Multi-Kelas pada Teks Informal Bahasa Indonesia. Bulletin of Computer Science Research, 6(1), 63-74. https://doi.org/10.47065/bulletincsr.v6i1.850

Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(9), 4305-4313. https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11562

Lisdiyanto, A., Nugroho, R. A., Andhyka, A., Wibowo, A., Winarti, W., & Budiman, B. (2025). Pengembangan Aplikasi Bengkel Las di Kediri dengan Metode Extreme Programming. Jurnal Teknologi Dan Sistem Informasi Bisnis, 7(1), 63-69. https://doi.org/10.47233/jteksis.v7i1.1740

Mahendra, L. S., Chrisnanto, Y. H., & Yuniarti, R. (2025). Analisis Sentimen Terhadap Ulasan Aplikasi Deepseek AI Menggunakan Model Bidirectional LSTM dan IndoBert. Jurnal Algoritma, 22(2), 1739-1750. https://doi.org/10.33364/algoritma/v.22-2.2950

Maldini, M. A. A., & 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

Maulana, M. R., Imran, A. Y., & Fathoni, F. (2025). Analisis Sentimen Ulasan Deepseek AI Di Google Playstore Menggunakan Naïve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 9(4), 6473-6478. https://doi.org/10.36040/jati.v9i4.14070

Muzaki, A., Febriana, V., & Cholifah, W. N. (2024). Analisis Sentimen Pada Ulasan Produk di E-Commerce dengan Metode Naive Bayes. Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI), 5(4), 758–765. https://doi.org/10.30998/jrami.v5i4.9647

Prasetyo, T., Waskita, A. A., & Taryo, T. (2025). Analisis Sentimen Pengguna Mobil Listrik di Media Sosial Twitter Menggunakan Metode Klasifikasi Naïve Bayes, K-Nearest Neighbor (KNN), dan Decision Tree. Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), 8(2), 108-117. https://doi.org/10.47970/siskom-kb.v8i1.783

Prilindaputra, B., Putri, D. R. R., & Ulinnuha, N. (2025). Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi Deepseek. INTEGER: Journal of Information Technology, 10(1). https://doi.org/10.31284/j.integer.2024.v10i1.7541

Riady, A. (2021). Pendidikan Berkualitas di Era Digital: (Fokus: Aplikasi Sebagai Media Pembelajaran). Jurnal Literasi Digital, 1(2), 70–80. https://doi.org/10.54065/jld.1.2.2021.15

Tanggraeni, A. I., & Sitokdana, M. N. (2022). Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 9(2), 785-795. https://doi.org/10.35957/jatisi.v9i2.1835

Ulfa, M., Kusumodestoni, R. H., & Sucipto, A. (2024). Analisis Sentimen Review Aplikasi Identitas Kependudukan Digital di Google Play Store Menggunakan KNN. Jurnal Informatika Teknologi dan Sains (Jinteks), 6(4), 1155–1165. https://doi.org/10.51401/jinteks.v6i4.4963

Umbara, F. W. (2021). User Generated Content di Media Sosial Sebagai Strategi Promosi Bisnis. Jurnal Manajemen Strategi dan Aplikasi Bisnis, 4(2), 572-581. https://doi.org/10.36407/jmsab.v4i2.366

Wafda, A., Fudholi, D. H., & Nugraha, J. (2025). Aspect-Based Sentiment Analysis On Twitter Tweets About The Merdeka Curriculum Using Indobert. JITK (Jurnal Ilmu Pengetahuan dan Teknologi Komputer), 10(3), 586-599. https://doi.org/10.33480/jitk.v10i3.5692

Wardana, R. K., Cahyono, N., Saputro, U. A., Negoro, A. H., & Aini, N. (2025). Implementasi Algoritma SVM dan Optimasi Menggunakan Komparasi N-Gram dan Glove Pada Sentimen Pengguna Aplikasi Access By KAI. JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 3216-3223. https://doi.org/10.36040/jati.v9i2.13284

Wati, F. F., & Widodo, A. E. (2025). Analisis Sentimen Ulasan Pengguna Aplikasi Deepseek Menggunakan Algoritma Random Forest Dan Naive Bayes. CONTEN: Computer and Network Technology, 5(1), 8-15 https://doi.org/10.31294/hqpha267.

Wily, W. A., Anggai, S., & Tukiyat, T. (2025). Analisis Sentimen Ulasan Pengguna Aplikasi Media Sosial X di Play Store Menggunakan Algoritma Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU): Studi Kasus pada Ulasan Pengguna di Google Play Store. Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan), 9(1), 63-72. https://doi.org/10.47970/siskom-kb.v9i1.875

Yulvida, D., Quinevera, S., Mardianto, R., & Joses, S. (2025). Klasifikasi Pemohon Pinjaman dengan Hyperparameter Tuning dan Teknik Penyeimbangan Data. Journal of Applied Computer Science and Technology, 6(2), 92-100. https://doi.org/10.52158/krjtrh05

Downloads

Published

2026-02-13

How to Cite

Ishak, M., Wafda, A., & Pakkaja, R. A. (2026). Evaluasi Sentimen Ulasan Aplikasi DeepSeek di Google Play Store menggunakan Algoritma Decision Tree. Journal Artificial: Informatika Dan Sistem Informasi, 4(1), 108–122. https://doi.org/10.54065/artificial.1129

Issue

Vol. 4 No. 1 (2026): April 2026

Section

Articles

License

Copyright (c) 2026 Muhammad Ishak, Andi Wafda, Ryan Alghazali Pakkaja

Creative Commons License

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

License and Copyright Agreement

  1. Authors retain copyright and other proprietary rights related to the article.
  2. Authors retain the right and are permitted to use the substance of the article in their own future works, including lectures and books.
  3. Authors grant the journal the right of first publication with the work simultaneously licensed under Creative Commons Attribution License (CC BY 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal. 
  4. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  5. Authors are permitted and encouraged to post or self-archive their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.