PENERAPAN ALGORITMA NAIVE BAYES UNTUK KLASIFIKASI SENTIMEN ULASAN PENGGUNA APLIKASI PIDI UMKM DENGAN PEMBOBOTAN FITUR TF-IDF

Abstract

Seiring pesatnya pertumbuhan aplikasi digital, ulasan pengguna menjadi sumber informasi berharga untuk memahami sentimen dan meningkatkan kualitas layanan. Aplikasi Pidi UMKM, sebagai platform yang mendukung usaha mikro, kecil, dan menengah, memerlukan analisis mendalam terhadap ulasan penggunanya untuk mengidentifikasi perbaikan area dan fitur yang diminati. Permasalahan yang dihadapi adalah volume ulasan yang beragam sehingga sulit untuk dijelaskan secara manual, menghambat menghilangkan sentimen secara efisien. Tujuan penelitian ini adalah menerapkan metode klasifikasi Naive Bayes untuk mengotomatisasi proses analisis sentimen ulasan pengguna aplikasi Pidi UMKM. Metode yang digunakan meliputi tahap pengumpulan data ulasan sebanyak 103 data, pra-pemrosesan teks (seperti tokenizing, stop word, dan stemming), pembentukan fitur vektor menggunakan TF-IDF, dan selanjutnya klasifikasi menggunakan algoritma Naive Bayes. Hasil penelitian ini menunjukkan bahwa metode Naive Bayes mampu mengklasifikasikan ulasan dengan akurasi sebesar 65% dalam membedakan sentimen positif, negatif, dan netral, sehingga memberikan wawasan yang signifikan bagi pengembang aplikasi Pidi UMKM untuk membuat keputusan berbasis data.