KLASIFIKASI ULASAN APLIKASI LINKEDIN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

Abstrak

LinkedIn, platform teknologi dan bisnis yang sangat penting, Fokus utamanya adalah meningkatkan konektivitas bisnis, membantu orang membentuk jaringan professional, mengajak orang untuk berbicara tentang ide bisnis, dan menyediakan tempat untuk mencari talenta baru. Tujuan penelitian ini mempelajari emosi dalam komunikasi LinkedIn dan mengetahui pengguna berinteraksi dan menanggapi dalam konteks professional, untuk memeriksa tanggapan pengguna terhadap aplikasi LinkedIn, mengkategorikan kedalam ulasan positif atau negatif, membandingkan dengan pesaing, dan memberikan saran pengembangan produk. Dan mengatasi masalah preprocessing data. Metode yang digunakan adalah naïve bayes classifier. Metode ini memodelkan probabilitas, dan efektif dalam menangani data besar seperti ulasan aplikasi. Hasil dari klasifikasi ulasan aplikasi LinkedIn menggunakan metode naïve bayes classifier dihasilkan 1065 sentimen positif dan 793 sentimen negatif pada pengguna aplikasi LinkedIn. Dengan nilai akurasi 90,31%, model secara umum memiliki kemampuan untuk mengklasifikasikan sebagian besar sampel dengan tepat. Dilihat dari nilai Precision untuk sentimen negatif adalah 88,07%, untuk sentimen positif sekitar 92,00%. Nilai Recall sebesar 89,41% untuk sentimen negatif dan sentimen positif sebesar 91,37%. Pada nilai F1-score sentimen positif (1) dan sentimen negatif “0” sebesar 88.74%. Penelitian ini menghasilkan rekomendasi penting bagi praktisi tentang cara mengoptimalkan pengguna LinkedIn. Membangun hubungan bisnis yang kuat, memahami preferensi pelanggan dan meningkatkan pengalaman pengguna.