Peningkatan Performa Analisis Sentimen Ulasan Pelanggan terhadap Layanan Pengiriman Menggunakan Model Naïve Bayes yang Dioptimalkan dengan PSO

Abstract

Penelitian ini dilatarbelakangi oleh pertumbuhan pesat industri jasa pengiriman dan pentingnya feedback pelanggan dalam persaingan, khususnya bagi ID Express yang memiliki aplikasi mobile. Masalah utama yang diangkat adalah bagaimana menganalisis sentimen ulasan pelanggan pada aplikasi ID Express di Google Play Store untuk meningkatkan kualitas layanan. Ulasan pengguna, meskipun kaya informasi, belum dimanfaatkan secara optimal, sehingga perusahaan kesulitan memahami persepsi pengguna. Dalam studi ini, kami mengembangkan sebuah metode baru untuk menganalisis sentimen ulasan pengguna aplikasi ID Express. Metode ini mengintegrasikan algoritma Naïve Bayes dengan teknik optimasi seleksi fitur berbasis Particle Swarm Optimization (PSO) untuk menghasilkan analisis yang lebih akurat. Metode yang digunakan meliputi pengumpulan data ulasan pengguna dari Google Play Store (2020-2023), preprocessing data, implementasi algoritma Naïve Bayes, serta penerapan PSO untuk seleksi fitur. Kinerja model diuji dengan metrik akurasi dan F-measure menggunakan rasio pembagian data 90:10 dan 80:20. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes dengan PSO menghasilkan akurasi 52% pada rasio 90:10 dan 63% pada rasio 80:20, dengan nilai F-measure sebesar 43% dan 55% secara berurutan. Kesimpulannya, penggunaan PSO sebagai seleksi fitur meningkatkan akurasi dan F-measure pada analisis sentimen menggunakan Naïve Bayes, terutama pada rasio pembagian data 80:20.