ANALISIS SENTIMEN PADA ULASAN PENGGUNA TERHADAP APLIKASI PEMBELAJARAN BAHASA DUOLINGO: MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR

Abstract

Teknologi telah mengubah cara belajar bahasa, dengan populernya aplikasi seperti Duolingo di era digital. Studi ini diharapkan mampu untuk menganalisis reaksi pengguna terhadap aplikasi Duolingo, serta membandingkan keefektifan dan keefisienan algoritma yang berbeda antara Naive Bayes dengan K-Nearest Neighbors berdasarkan review pada Google Play Store. Data dikumpulkan menggunakan teknik web scraping, kemudian dilakukan serangkaian prosedur pre-processing. Setelah diproses, ulasan tersebut secara otomatis diklasifikasikan sebagai positif atau negatif menggunakan algoritma Naive Bayes dan K-Nearest Neighbors. Berdasarkan hasil analisis, Naive Bayes (NB) menunjukkan peningkatan akurasi yang lebih baik dari K-Nearest Neighbors (KNN), dengan akurasi 92%, presisi 93%, dan recall 92% untuk Naive Bayes (NB) dan akurasi 88%, presisi 91%, dan recall 90% untuk K-Nearest Neighbors (KNN) berdasarkan penelitian yang telah dilakukan.