ANALISIS SENTIMEN ULASAN APLIKASI GOFOOD DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER BERBASIS TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY

Abstract

Pesatnya perkembangan layanan pengiriman makanan digital telah meningkatkan jumlah ulasan pengguna pada aplikasi GoFood di Google Play Store. Ulasan tersebut memuat berbagai opini mengenai kualitas layanan dan pengalaman pengguna yang dapat dimanfaatkan sebagai bahan evaluasi. Namun, banyaknya jumlah ulasan menyebabkan proses analisis secara manual menjadi kurang efektif dan memerlukan waktu yang lama. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna GoFood menggunakan kombinasi metode Term Frequency-Inverse Document Frequency (TF-IDF) dan algoritma Complement Naïve Bayes. Data penelitian berupa 1000 ulasan pengguna yang diperoleh melalui proses scraping menggunakan library google-play-scraper. Tahapan penelitian meliputi preprocessing teks yang terdiri atas case folding, cleaning, tokenizing, penghapusan stopwords, dan stemming menggunakan library Sastrawi, dilanjutkan dengan ekstraksi fitur TF-IDF dan proses klasifikasi ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Hasil pengujian menunjukkan bahwa model yang diusulkan memperoleh akurasi sebesar 84% dengan nilai precision, recall, dan F1-score yang baik. Hasil tersebut menunjukkan bahwa kombinasi TF-IDF dan Complement Naïve Bayes efektif untuk analisis sentimen ulasan pengguna GoFood