MENGOPTIMALKAN KEPUASAN PENGGUNA: ANALISIS SENTIMEN REVIEW APLIKASI GRAB DI INDONESIA

Abstract

Sebagai perusahaan terkemuka di sektor transportasi dan teknologi di Asia Tenggara, Grab, didirikan pada 2012 di Malaysia sebagai platform pemesanan taksi melalui aplikasi. Pertumbuhan pesat perusahaan ini menciptakan kebutuhan untuk strategi analisis sentimen guna meningkatkan layanan dan kepuasan pengguna. Penelitian ini menggunakan pendekatan eksperimental dan kuantitatif dengan fokus pada ulasan aplikasi Grab di Google Play Store. Penggunaan teknik web scraping melalui Google Play Scraper mengumpulkan 1000 data ulasan. Hasil analisis sentimen menggunakan metode klasifikasi Naïve Bayes dimana metode ini merupakan metode pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilistik dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan menunjukkan tingkat akurasi sebesar 87%, dengan presisi 86%, dan recall 97%. Tahapan preprocessing, seperti case folding, tokenizing, stopwords, dan stemming, memastikan kualitas data sebelum klasifikasi. Evaluasi menggunakan Confusion Matrix di Google Colaboratory menunjukkan kinerja memuaskan, mengidentifikasi sentiment masyarakat pengguna aplikasi Grab. Tingkat akurasi 87% memberikan gambaran rinci tentang kemampuan model dalam menangani variasi sentimen, termasuk presisi, recall, dan F1-score. Penerapan metode klasifikasi Naïve Bayes dalam analisis sentimen aplikasi Grab terbukti efektif, memberikan wawasan berharga untuk pengembangan layanan yang lebih baik.