ANALISIS SENTIMEN ULASAN MASYARAKAT APLIKASI BROMPIT MENGGUNAKAN ALGORITMA NAIVE BAYES DAN SVM

Abstract

Aplikasi BromPit dikembangkan untuk memudahkan pemilik sepeda motor Honda dalam melakukan pemesanan servis, pelacakan status kendaraan, dan pencarian bengkel resmi, namun ulasan pengguna pada Google Play Store menunjukkan beragam tanggapan. Studi ini berfokus pada sentimen orang-orang tentang penggunaan aplikasi BromPit serta membandingkan efektivitas metode Naive Bayes dibandingkan dengan teknik Support Vector Machine (SVM) untuk mengkategorikan data teks. Prosedur penelitian meliputi pengumpulan data ulasan, pelabelan sentimen, preprocessing, pembagian data train dan test, pembobotan TF-IDF, implementasi Naive Bayes dan SVM, penerapan SMOTE untuk menyeimbangkan kelas minoritas, serta evaluasi akurasi. Temuan penelitian ini memperlihatkan bahwa sebagian besar masyarakat banyak merasa puas terhadap aplikasi ini, dengan ulasan positif mendominasi sebanyak 7.157 ulasan, diikuti 1.351 negatif dan 221 netral. Output pengujian model menunjukkan bahwa akurasi Naive Bayes berada di kisaran 82,63%–83,05% dan SVM 81,90%–82,51% pada berbagai pembagian data, sehingga Naive Bayes menjadi model terbaik dan lebih efektif dibanding SVM untuk menganalisis sentimen ulasan. Hasil penelitian menunjukkan bahwa sejumlah besar individu telah menyatakan kepuasan terkait aplikasi BromPit, hal ini dapat digunakan untuk memperbaiki fitur, meningkatkan layanan, dan memastikan pengalaman pelanggan lebih baik