Penerapan Machine Learning (Random Forest, Super Vector Machine, dan Naive Bayes) pada Aplikasi Google Chat dalam Meningkatkan Kualitas Komunikasi yang Kolaboratif
DOI:
https://doi.org/10.31004/anthor.v5i4.1009Keywords:
Machine Learning, Random Forest, Support Vector Machine, Naïve Bayes, Analisis Sentimen, Google Chat, Komunikasi KolaboratifAbstract
Perkembangan teknologi komunikasi digital telah meningkatkan penggunaan aplikasi kolaborasi sebagai media pertukaran informasi secara cepat dan efisien. Aplikasi Google Chat menghasilkan sejumlah besar data komunikasi berbentuk teks yang dapat dimanfaatkan untuk menganalisis kualitas interaksi pengguna. Penelitian ini bertujuan untuk menerapkan dan membandingkan algoritma machine learning Random Forest, Support Vector Machine (SVM), dan Naïve Bayes dalam melakukan klasifikasi sentimen terhadap ulasan pengguna aplikasi Google Chat sebagai pendekatan dalam mengevaluasi kualitas komunikasi kolaboratif. Data penelitian diperoleh dari ulasan pengguna aplikasi Google Chat dengan jumlah 2.124 data komentar yang kemudian melalui tahapan preprocessing, pembobotan fitur menggunakan TF-IDF, serta proses klasifikasi menggunakan tiga algoritma machine learning. Hasil analisis awal menunjukkan bahwa sebagian besar ulasan pengguna memiliki sentimen positif sebanyak 1.829 data, sedangkan sentimen negatif sebanyak 199 data dan sentimen netral sebanyak 85 data. Distribusi tersebut menunjukkan bahwa pengguna secara umum memberikan respons positif terhadap penggunaan aplikasi Google Chat. Penerapan algoritma Random Forest, Support Vector Machine, dan Naïve Bayes memberikan pendekatan yang berbeda dalam mengenali pola komunikasi berbasis teks. Random Forest memiliki kemampuan dalam menjaga kestabilan prediksi melalui pendekatan ensemble learning, Support Vector Machine mampu menangani data teks dengan dimensi fitur tinggi, sedangkan Naïve Bayes memiliki efisiensi komputasi yang baik dalam proses klasifikasi teks. Penelitian ini menunjukkan bahwa penerapan machine learning dapat digunakan sebagai metode analisis otomatis untuk memahami persepsi pengguna serta mendukung evaluasi kualitas komunikasi kolaboratif pada platform digital.
References
Aftab, F., Bazai, S. U., Marjan, S., Baloch, L., Aslam, S., Amphawan, A., & Neo, T. K. (2023). A comprehensive survey on sentiment analysis techniques. International Journal of Technology, 14(6), 1288–1298. https://doi.org/10.14716/ijtech.v14i6.6632
Asogwa, D. C., Anigbogu, S. O., Onyenwe, I. E., & Sani, F. A. (2021). Text classification using hybrid machine learning algorithms on big data. arXiv. https://arxiv.org/abs/2103.16624
Dowell, N., Lin, Y., Godfrey, A., & Brooks, C. (2020). Exploring the relationship between emergent sociocognitive roles, collaborative problem-solving skills and outcomes: A group communication analysis. Journal of Learning Analytics, 7(1), 38–57. https://doi.org/10.18608/jla.2020.71.4
Dowell, N. M. M., Nixon, T. M., & Graesser, A. C. (2019). Group communication analysis: A computational linguistics approach for detecting sociocognitive roles in multiparty interactions. Behavior Research Methods, 51, 1007–1041. https://doi.org/10.3758/s13428-018-1102-z
Faqih, H., Aji, S., & Suseno, K. A. (2025). Studi komparatif metode Naive Bayes dan Support Vector Machine dalam menganalisis sentimen ulasan Ask-AI. MULTINETICS, 11(1). https://doi.org/10.32722/multinetics.v11i1.7534
Fitriyani, A., & Ibrahim, I. (2026). Performance comparison of Naïve Bayes, Random Forest, and Support Vector Machine algorithms in sentiment analysis of the Weverse application. Sistemasi: Jurnal Sistem Informasi, 15(2). https://sistemasi.ftik.unisi.ac.id/index.php/stmsi/article/view/5893
Kastrati, Z., Dalipi, F., Imran, A. S., Pireva Nuci, K., & Wani, M. A. (2021). Sentiment analysis of students’ feedback with NLP and deep learning: A systematic mapping study. Applied Sciences, 11(9), 3986. https://doi.org/10.3390/app11093986
Li, S., Deng, M., Shao, Z., Chen, X., & Zheng, Y. (2023). Automatic classification of interactive texts in online collaborative discussion based on multi-feature fusion. Computers & Electrical Engineering, 108, 108648. https://doi.org/10.1016/j.compeleceng.2023.108648
Mariska, I. V., Meiriza, A., & Lestarini, D. (2025). Comparison of Support Vector Machine and Random Forest algorithms in sentiment analysis of the JMO mobile application. Journal of Applied Informatics and Computing, 9(5). https://doi.org/10.30871/jaic.v9i5.10764
Masa'id, A. R., & Rosyid, A. (2026). Analisis sentimen kritik dan saran peserta pelatihan menggunakan algoritma Naïve Bayes dan Support Vector Machine. JURIKOM: Jurnal Riset Komputer, 13(2). https://doi.org/10.30865/jurikom.v13i2.9700
Misiejuk, K., Kaliisa, R., & Scianna, J. (2024). Augmenting assessment with AI coding of online student discourse: A question of reliability. Computers and Education: Artificial Intelligence, 6, 100216. https://doi.org/10.1016/j.caeai.2024.100216
Mubarok, M. Z., Rizqi, S., Rizal, R. M., Syalim, A. B. N., & Iksan, N. (2025). Klasifikasi sentimen ulasan aplikasi Claude menggunakan Naive Bayes dan Support Vector Machine. JUSIFOR: Jurnal Sistem Informasi dan Informatika, 4(1). https://doi.org/10.70609/jusifor.v4i1.7054
Nurmadewi, D., Jailani, Z. F., Rafi, H., Anggoro, D. A., & Setiowati, D. (2026). Perbandingan Support Vector Machine dan Naïve Bayes untuk klasifikasi sentimen ulasan e-commerce. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 6(2). https://doi.org/10.57152/malcom.v6i2.2648
Pratama, J. A. (2023). Penerapan metode Support Vector Machine dan Naïve Bayes pada klasifikasi sentimen review aplikasi WhatsApp. Jurnal Komputer dan Informatika, 11(2). https://journal.untar.ac.id/index.php/JKI/article/view/34445
Zheng, L., Long, M., Niu, J., & Zhong, L. (2023). An automated group learning engagement analysis and feedback approach to promoting collaborative knowledge building, group performance, and socially shared regulation in CSCL. International Journal of Computer-Supported Collaborative Learning, 18, 101–133. https://doi.org/10.1007/s11412-023-09386-0
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Achyana Naim, Luqman
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
