ANALISIS SENTIMEN ULASAN APLIKASI JCONNECT MOBILE DI GOOGLE PLAY STORY MENGGUNAKAN ALGORITMA MULTINOMIAL NAÏVE BAYES DAN SUPPORT VECTORE MACHINE

Abstract

Penelitian ini bertujuan untuk mengevaluasi performa algoritma klasifikasi dalam analisis sentimen ulasan pengguna aplikasi Jconnect Mobile di Google Play Store. Aplikasi JConnect Mobile merupakan salah satu aplikasi mobile banking yang dikembangkan oleh Bank Jatim dan telah banyak digunakan oleh masyarakat Indonesia. Meskipun aplikasi ini telah mencapai jumlah instalasi yang signifikan, ulasan pengguna di Google Play Store menunjukkan adanya berbagai keluhan dan ketidakpuasan terkait fitur, performa, dan layanan aplikasi tersebut. Meskipun jumlah ulasan pengguna cukup banyak, belum ada sistem yang efektif untuk secara otomatis mengklasifikasikan sentimen ulasan tersebut secara akurat dan efisien. Tujuanya menganalisis sentimen ulasan pengguna aplikasi JConnect Mobile di Google Play Store untuk mengetahui persepsi dan tingkat kepuasan pengguna terhadap aplikasi tersebut.. Dua algoritma yang digunakan adalah Multinomial Naïve Bayes (MNB) dan Support Vector Machine (SVM), dengan pelabelan sentimen menggunakan tiga  metode pendekatan: VADER Lexicon, Indonesian Sentiment Lexicon (InSet), dan score-based (berdasarkan rating). Proses pengolahan data meliputi preprocessing teks, pelabelan, ekstraksi fitur dengan TF-IDF, dan oversampling menggunakan SMOTE. Hasil penelitian evaluasi menunjukkan bahwa model SVM dengan pelabelan VADER memberikan performa terbaik dengan akurasi 96,21% dan F1-score 96,20%. Disusul oleh SVM dengan pelabelan InSet yang mencatatkan akurasi 92,77% dan F1-score 92,83%. Model MNB dengan pelabelan VADER juga menunjukkan performa cukup baik dengan akurasi 87,07% dan F1-score 86,99%. Namun, model MNB dengan pelabelan InSet dan Rating menghasilkan performa lebih rendah, dengan akurasi masing-masing 71,53% dan 70,44%, serta F1-score 79,41% dan 79,26%. Hasil ini menunjukkan bahwa SVM, khususnya dengan pelabelan VADER, merupakan model paling efektif dalam klasifikasi sentimen ulasan pengguna aplikasi ini.