ANALISIS SENTIMEN ULASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN BIGRU

Abstract

Transportasi ojek online merupakan salah satu moda transportasi yang banyak digunakan di Indonesia. Gojek sebagai salah satu penyedia layanan utama menghadapi persaingan dari platform sejenis seperti Maxim dan Grab sehingga pemahaman terhadap persepsi pengguna aplikasi menjadi penting dalam upaya peningkatan kualitas layanan. Persepsi tersebut dapat diperoleh melalui ulasan pengguna yang tersedia pada Google Play Store dan merefleksikan pengalaman nyata selama menggunakan aplikasi. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Gojek dengan mengklasifikasikan sentimen positif dan negatif menggunakan algoritma Naïve Bayes dan Bidirectional Gated Recurrent Unit (BiGRU). Data penelitian diperoleh melalui teknik web scraping sebanyak 5.000 ulasan pengguna, kemudian diproses melalui tahap preprocessing yang meliputi cleaning, case folding, tokenization, stopword removal, dan stemming. Representasi data dilakukan menggunakan TF–IDF pada model Naïve Bayes, serta tokenisasi, padding, dan embedding pada model BiGRU sebelum diterapkan dalam proses klasifikasi. Evaluasi kinerja model menggunakan confusion matrix menunjukkan bahwa Naïve Bayes mencapai akurasi sebesar 92%, sedangkan BiGRU memperoleh akurasi sebesar 90%. Hasil penelitian menunjukkan bahwa Naïve Bayes memiliki efisiensi dan konsistensi klasifikasi yang lebih baik, sementara BiGRU tetap mampu menangkap pola urutan teks secara efektif, sehingga temuan ini dapat dijadikan dasar dalam pengambilan keputusan strategis untuk meningkatkan mutu pelayanan Gojek secara sistematis dan terukur.