Analisis sentimen adalah metode memahami perasaan dan opini tersirat dalam teks seperti ulasan produk, berita, atau konten media sosial. Tujuannya adalah mengidentifikasi sentimen positif atau negatif dalam teks. Sebagai contoh, dalam ulasan aplikasi Binance di Google Play Store, analisis sentimen membantu memahami respons pengguna terhadap aplikasi tersebut. Prosesnya melibatkan pengumpulan data ulasan dari berbagai sumber, disaring untuk menghilangkan elemen tidak relevan, dan menggunakan algoritma seperti Naive Bayes untuk mengenali kata kunci sentimen seperti "baik" atau "buruk" dan mengklasifikasikan ulasan ke dalam sentimen positif atau negatif. Meskipun model klasifikasi mencapai akurasi 94%, evaluasi menunjukkan perbedaan performa antara sentimen positif dan negatif. Meski mampu mengenali sentimen positif dengan baik, identifikasi terhadap sentimen negatif memerlukan peningkatan. Ini menunjukkan perlunya fokus pada deteksi sentimen negatif guna meningkatkan keandalan algoritma Naive Bayes. Hasil evaluasi menunjukkan Presisi rata-rata 82,3%, Recall 91,95%, dan F1-Score 269%. Meskipun akurasi 94% menggambarkan keberhasilan memprediksi sentimen, fokus pengembangan selanjutnya adalah pada deteksi sentimen negatif. Analisis ini memberikan gambaran tentang kemampuan model dalam mengklasifikasikan data sentimen dan reliabilitasnya dalam menganalisis ulasan aplikasi Binance. Informasi ini dapat menjadi dasar perbaikan produk di masa mendatang.
CITATION STYLE
Syaripah, I., Martanto, M., & Suprapti, T. (2024). ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI BINANCE PADA ULASAN GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3714–3724. https://doi.org/10.36040/jati.v7i6.8289
Mendeley helps you to discover research relevant for your work.