Review Aplikasi Play Store: Analisis Ringan untuk Riset dengan Python

Tulisan ini disusun secara reflektif berdasarkan eksplorasi teknis dan sudut pandang pribadi. Sebagian besar pembahasan di luar aspek teknis merupakan opini terbuka. Tujuannya bukan memberi jawaban pasti, tapi mendorong pembaca untuk ikut mengeksplorasi dan berdiskusi.

---

Bagian 1: Mengapa Review Aplikasi Google Play Menarik untuk Dikaji?

1.1. Suara Pengguna Secara Langsung

Setiap aplikasi di Google Play memiliki kolom ulasan dan rating. Komentar-komentar ini biasanya ditulis secara spontan, sering kali sesaat setelah pengguna merasakan sesuatu—baik itu kekecewaan maupun kepuasan. Di situlah kekuatannya: kita bisa menangkap kesan pertama yang jujur dan langsung dari pengguna.

Kekuatan ulasan ini sangat signifikan. Sebuah riset dari AppTweak menunjukkan bahwa 79% pengguna membaca ulasan sebelum memutuskan untuk mengunduh sebuah aplikasi. Ini artinya, kumpulan review tidak hanya menjadi arsip masukan, tetapi juga faktor krusial yang membentuk persepsi calon pengguna lain. Pertanyaannya, sejauh apa data ini bisa kita manfaatkan?

1.2. Potensi untuk Penelitian dan Pengembangan

Bagi saya pribadi, justru karena bentuknya yang sederhana dan terkadang “berantakan”, data ulasan ini menjadi sangat menarik. Di balik komentar singkat atau rating rendah, ada banyak sekali cerita. Mengapa seseorang memberi rating buruk tapi deskripsi ulasannya tampak positif? Kenapa ada yang begitu bersemangat menulis esai singkat di kolom review pada tengah malam?

Jika dicermati lebih dalam, data ini bisa menjadi bahan bakar untuk berbagai kebutuhan—mulai dari tugas kuliah sederhana, skripsi, hingga riset multidisiplin. Bagi tim pengembang, data ini adalah jalur evaluasi internal yang gratis dan berkelanjutan.

---

Bagian 2: Apa Saja yang Bisa Diambil dari Review?

2.1. Komponen Umum

Setiap ulasan di Google Play umumnya memuat beberapa komponen data terstruktur:

• Rating (skala 1–5 bintang)
• Isi komentar (teks kualitatif)
• Tanggal dibuatnya review
• Versi aplikasi saat ulasan dibuat
• Bahasa yang digunakan

2.2. Ilustrasi Data Sederhana

Bayangkan kita berhasil mengumpulkan 1.000 ulasan dari satu aplikasi. Dalam sekejap, kita bisa mendapatkan ringkasan seperti ini:

• Rata-rata rating: 4.1 ⭐
• Kata kunci negatif “lemot” muncul 87 kali
• Kata kunci positif “mantap” muncul 113 kali
• 65% ulasan ditulis pada malam hari (pukul 18.00 ke atas)
• Versi aplikasi yang paling banyak dikomentari: v5.2.1

Dari ringkasan sederhana ini saja, sudah muncul banyak pertanyaan menarik. Mengapa mayoritas pengguna memberi ulasan di malam hari? Apakah ada korelasi antara waktu dan sentimen ulasan? Apakah pembaruan ke versi 5.2.1 memang bermasalah atau justru membawa perbaikan signifikan?

2.3. Pertanyaan-Pertanyaan Awal

Tanpa perlu analisis canggih, kita bisa memulai dengan pertanyaan mendasar:

• Apakah update versi tertentu berdampak signifikan pada rating?
• Kata atau frasa apa yang paling sering muncul dalam ulasan negatif (bintang 1 atau 2)?
• Apakah ada pola waktu di mana pengguna cenderung lebih kritis?

Hanya dengan membaca, menandai, dan mengelompokkan secara manual, kita sudah bisa membuka banyak wawasan awal.

---

Bagian 3: Cara Mengambil Data Review Menggunakan Python

3.1. Library google-play-scraper

Untuk mengambil data ini secara otomatis, kita tidak perlu menulis kode scraping dari nol. Salah satu library Python yang paling praktis untuk ini adalah google-play-scraper. Setelah melakukan instalasi sederhana (pip install google-play-scraper), kita bisa langsung menggunakan fungsi yang sudah tersedia.

from google_play_scraper import Sort, reviews_all

3.2. Menentukan ID Aplikasi

Setiap aplikasi di Google Play memiliki ID unik yang bisa ditemukan pada URL halamannya di browser. Sebagai contoh, Gojek memiliki ID com.gojek.app.

# Mengambil semua ulasan untuk aplikasi Gojek dalam bahasa Indonesia
ulasan = reviews_all(
    'com.gojek.app',
    lang='id',
    country='id',
    sort=Sort.NEWEST # Mengurutkan dari yang terbaru
)

3.3. Simpan dan Kelola Data

Setelah data berhasil diambil (dalam format list of dictionary), kita bisa mengubahnya menjadi tabel menggunakan Pandas dan menyimpannya sebagai file CSV untuk diolah lebih lanjut.

import pandas as pd

# Mengubah data menjadi DataFrame dan menyimpannya
df_ulasan = pd.DataFrame(ulasan)
df_ulasan.to_csv('ulasan_gojek.csv', index=False)

Google Colab bisa menjadi tempat yang sangat nyaman untuk mencoba skrip semacam ini tanpa perlu melakukan instalasi Python dan library di komputer lokal. Bisa langsung dicoba, ada versi gratisnya kok.

---

Bagian 4: Pemanfaatan Review untuk Analisis

4.1. Kemungkinan Analisis

Dengan data yang sudah terkumpul, beberapa pendekatan analisis yang bisa dilakukan misalnya:

• Analisis sentimen: Menggunakan teknik Natural Language Processing (NLP) untuk memahami kecenderungan emosional pengguna (positif, negatif, netral).
• Pemetaan fitur: Fitur atau bagian mana dari aplikasi yang paling sering disukai, dikeluhkan, atau diminta oleh pengguna.
• Analisis komparatif: Membandingkan sentimen dan rating antara dua aplikasi kompetitor.
• Studi linguistik: Menganalisis gaya bahasa pengguna, seperti penggunaan slang, singkatan, atau istilah lokal.
• Analisis temporal: Menyelidiki apakah ada pola ulasan (misalnya, lebih banyak ulasan negatif di akhir pekan) berdasarkan waktu.

4.2. Ide Lainya

Mungkin bisa juga untuk menghubungkan data ulasan ini dengan metrik lain seperti jumlah unduhan? Atau menelusuri apakah rating yang tinggi selalu berkorelasi dengan pendapatan perusahaan? atau ada ide lain?

---

Bagian 5: Metodologi yang Bisa Digunakan

Pendekatan yang digunakan tidak harus rumit. Sering kali, metode sederhana justru lebih efektif untuk eksplorasi awal:

• Statistik deskriptif: Menghitung frekuensi kata, rata-rata rating per versi aplikasi, atau distribusi rating.
• Analisis teks ringan: Mengidentifikasi kata kunci dan tema yang dominan secara manual atau dengan word cloud.
• Pendekatan gabungan: Mengklasifikasikan sentimen secara otomatis, lalu melakukan pembacaan mendalam (close reading) pada sampel ulasan yang paling menarik.

---

Bagian 6: Tantangan dan Pertimbangan Etika

6.1. Masalah Teknis

Analisis ulasan aplikasi tidak selalu mulus. Beberapa tantangan yang umum dihadapi adalah:

• Komentar yang sangat singkat dan minim konteks (“Bagus”, “Jelek”).
• Penggunaan bahasa gaul yang tidak jelas, campuran bahasa (gado-gado), simbol, emoji, dan salah ketik (typo).
• Ulasan yang tidak relevan (spam atau keluhan yang salah alamat).
• Dsb.

6.2. Pertimbangan Etika

Walaupun ulasan bersifat publik, kita tetap perlu peka terhadap legal issues web scrapping yang sepertinya agak ambigu juga. Data ini ditulis oleh manusia sungguhan. Saya pribadi merasa penting untuk selalu menyadari batas antara eksplorasi data untuk wawasan dan eksploitasi data yang berisiko melanggar privasi, meskipun datanya anonim.

---

Bagian 7: Potensi Lanjutan

Dari sini, eksplorasi bisa dikembangkan lebih jauh, misalnya:

• Menganalisis respons pengguna terhadap setiap pembaruan versi aplikasi.
• Mengkaji efek dari balasan developer terhadap kepuasan dan loyalitas pengguna.
• Memetakan pola emosional pengguna berdasarkan waktu atau versi aplikasi.

Mungkin, dari data yang terlihat sederhana seperti inilah ide riset yang otentik dan relevan bisa muncul.

Bagian 8: Kolaborasi Lintas Disiplin

Topik ini tidak harus eksklusif untuk orang-orang teknis yang paham kode. Justru, analisisnya akan jauh lebih kaya jika melibatkan berbagai perspektif misalnya:

Bidang	Contoh Topik
Informatika	Klasifikasi komentar, bug detection, NLP informal
Manajemen	Analisis kepuasan, brand positioning
Komunikasi	Studi opini publik, framing review
Pendidikan	Literasi digital, eksplorasi konten aplikasi edukasi
Linguistik	Slang, gaya bahasa, sentimen dalam teks
Bisnis dan Pemasaran	Pengaruh ulasan publik terhadap citra merek dan keputusan pembelian

Bagian 9: Refleksi Akhir

Saya sendiri tidak merasa memiliki latar belakang riset yang mendalam. Justru karena itu, saya menulis ini dari sudut pandang seseorang yang penasaran dan suka mengamati. Data ulasan aplikasi ini kelihatannya sepele, tetapi siapa tahu bisa menjadi gerbang awal untuk sebuah eksplorasi yang lebih luas dan bermakna.

Bagi yang sedang bingung mencari ide tugas, artikel jurnal, skripsi, penelitian, atau sekadar proyek iseng—mungkin topik ini layak untuk dicoba.