Penerapan Metode Naïve Bayes Untuk Mengidentifikasi Sentimen Pengguna Pada Ulasan Aplikasi ReelShort di Google Play Store

Abstract

Penelitian ini bertujuan untuk mengetahui pendapat pengguna aplikasi ReelShort berdasarkan ulasan mereka di Google Play Store. Metode yang digunakan adalah algoritma Multinomial Naive Bayes. Data ulasan pengguna dikumpulkan dengan teknik scrapping dari Google Play Store, selanjutnya dilakukan pre-processing data untuk membersihkan dan menyederhanakan teks. Setelah itu, sentimen dari setiap ulasan diklasifikasikan menjadi dua kategori yaitu positif dan negatif. Model klasifikasi dibangun menggunakan algoritma Multinomial Naive Bayes dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan sentimen dengan akurasi sebesar 77%. Nilai presisi sebesar 83% mengindikasikan bahwa model cukup baik dalam mengidentifikasi ulasan yang benar-benar positif atau negatif. Namun, nilai recall yang sebesar 77% menunjukkan bahwa model masih melewatkan beberapa ulasan yang seharusnya terklasifikasi sebagai positif atau negatif. Analisis lebih lanjut menunjukkan bahwa model lebih baik dalam mengklasifikasikan ulasan negatif dibandingkan dengan ulasan positif. Hasil penelitian ini memberikan pemahaman yang lebih baik mengenai persepsi pengguna terhadap aplikasi ReelShort dan dapat dimanfaatkan untuk meningkatkan kualitas aplikasi di masa mendatang.