ALGORITMA NAÏVE BAYES UNTUK MELAKUKAN ANALISA SENTIMEN TERHADAP APLIKASI AXISNET DI GOOGLE PLAY

Abstract

Teknologi yang semakin berkembang pesat membuat penyedia layanan internet seperti AXIS menyediakan aplikasi bernama AXISnet yang menjanjikan kemudahan bagi para konsumennya untuk melakukan transaksi pembelian pulsa, kuota internet, dan layanan lainnya. Tentu saja, pelanggan AXIS akan merasakan kemudahan dalam bertransaksi dengan menggunakan aplikasi layanan resmi AXIS tersebut. Ulasan pengguna memiliki peran yang signifikan dalam mengarahkan upaya pengembangan untuk meningkatkan performa aplikasi. Melakukan analisis sentimen terhadap sebuah aplikasi merupakan salah satu teknik untuk menilai keberhasilannya. AXISnet merupakan salah satu aplikasi dengan tingkat penggunaan dan jumlah unduhan yang tinggi di google play. Dengan begitu, terdapat banyak ulasan yang tidak terorganisir di Google Play dan menghasilkan jumlah data sentimen yang sangat besar dan rumit. Namun demikian, memproses data ulasan dalam jumlah yang sangat besar secara manual akan menjadi sebuah tantangan. Dengan menggunakan teknik web scraping untuk mengambil data, penelitian ini bermaksud untuk meneliti sentimen pengguna aplikasi AXISnet di Google Play. Data yang telah terkumpul dari bulan bulan Mei hingga Agustus 2023 akan digunakan sebagai sumber data. Data yang digunakan adalah 1000 ulasan aplikasi AXISnet, dengan 122 sentimen positif dan 878 negatif. Hasil klasifikasi sentimen menggunakan algoritma Naive Bayes dengan menggunakan split data 9:1, didapatkan hasil accuracy 96.24% precision 99.88% dan recall sebesar 92.60%.