PENERAPAN ALGORITMA NAIVE BAYES CLASSIFIER UNTUK ANALISIS SENTIMEN PADA ULASAN APLIKASI MAXIM DI GOOGLE PLAY STORE

Abstract

Berkembangnya layanan transportasi berbasis online seperti Maxim telah memberikan kemudahan yang signifikan bagi masyarakat, namun berdampak pada menumpuknya ulasan publik di Google Play Store menjadi tidak terstruktur sehingga menyulitkan penyedia layanan dalam mengevaluasi tingkat kepuasan serta persepsi publik terhadap layanan aplikasi tersebut. Oleh sebab itu, penelitian ini bertujuan guna mengklasifikasikan sentimen ulasan pengguna secara efisien dan otomatis. Penyelesaian masalah dilakukan dengan menerapkan metode Naive Bayes Classifier. Pengumpulan data melibatkan 2.500 ulasan melalui web scraping, dilanjutkan dengan pelabelan semi-otomatis, validasi manual, dan tahap preprocessing data termasuk normalisasi bahasa slang. Kemudian melakukan pembobotan dengan TF-IDF dan dibagi menjadi data latih dan uji dengan rasio 80:20. Hasil evaluasi menunjukkan bahwa model mendapat hasil yang baik dengan tingkat akurasi sebesar 94,01%, untuk kelas sentimen positif mendapat nilai precision 0.94, recall 0.99, dan f1-score 0.97, sedangkan pada kelas negatif masing-masing sebesar 0.92, 0.65, dan 0.76. Pada visualisasi data dengan diagram batang dan wordcloud menunjukkan bahwa kepuasan mayoritas pengguna disebabkan oleh performa mitra pengemudi, sedangkan keluhan umumnya berkaitan dengan kendala teknis pada aplikasi