PREDIKSI SENTIMEN PENGGUNA SPOTIFY MENGGUNAKAN METODE NAÏVE BAYES STUDI KASUS ULASAN PENGGUNA DI PLAY STORE

Abstract

Spotify merupakan salah satu platform layanan streaming music digital yang banyak digunakan, tetapi ulasan pengguna menunjukkan variasi tingkat kepuasan terhadap layanan yang tersedia. Penelitian ini berfokus pada analisis dan prediksi sentimen pengguna Spotify berdasarkan ulasan yang diperoleh dari Google Play Store dengan menggunakan metode Naïve Bayes. Penelitian ini mencakup beberapa proses, yaitu pengumpulan data, pra-pemrosesan teks (tokenisasi, normalisasi, penghapusan kata tidak bermakna, dan stemming) serta ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Sentimen pengguna diklasifikasikan ke dalam dua kategori, yaitu positif dan negative. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi recall dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen pengguna Spotify dengan akurasi sebesar 88,42%, precision 0,89, recall 0,74, dan F1-Score 0,79 (macro average). Selain itu, nilai Area Under Curve (AUC) sebesar 0,94 yang mengindikasikan bahwa model memiliki kemampuan klasifikasi yang sangat baik. Sehingga hasil ini menunjukkan bahwa pendekatan yang digunakan sudah sangat efektif dalam menganalisis sentimen pengguna dan dapat menjadi acuan bagi pengembang untuk meningkatkan kualitas terhadap layanan streaming music Spotify.