EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Penerapan Machine Learning (Random Forest, Super Vector Machine, dan Naive Bayes) pada Aplikasi Google Chat dalam Meningkatkan Kualitas Komunikasi yang Kolaboratif

Achyana Naim, Luqman Luqman

ANTHOR: Education and Learning Journal · 31.07.2026 · 5 (4) · 1379-1387

DOI: 10.31004/anthor.v5i4.1009 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ANTHOR: Education and Learning Journal, online erschienen am 31.07.2026. Verfasst von Achyana Naim und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

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.

Zitieren

APA

Naim, A., & Luqman, L. (2026). Penerapan Machine Learning (Random Forest, Super Vector Machine, dan Naive Bayes) pada Aplikasi Google Chat dalam Meningkatkan Kualitas Komunikasi yang Kolaboratif. ANTHOR: Education and Learning Journal, 5(4), 1379-1387. https://doi.org/10.31004/anthor.v5i4.1009

Vancouver

Naim A, Luqman L. Penerapan Machine Learning (Random Forest, Super Vector Machine, dan Naive Bayes) pada Aplikasi Google Chat dalam Meningkatkan Kualitas Komunikasi yang Kolaboratif. ANTHOR: Education and Learning Journal. 2026;5(4):1379-1387. doi:10.31004/anthor.v5i4.1009

BibTeX
@article{Naim2026,
  author = {Naim, Achyana and Luqman, Luqman},
  title = {Penerapan Machine Learning (Random Forest, Super Vector Machine, dan Naive Bayes) pada Aplikasi Google Chat dalam Meningkatkan Kualitas Komunikasi yang Kolaboratif},
  journal = {ANTHOR: Education and Learning Journal},
  year = {2026},
  volume = {5},
  number = {4},
  pages = {1379--1387},
  doi = {10.31004/anthor.v5i4.1009}
}
Kostenlos starten →