ANALISIS SENTIMEN PADA ULASAN APLIKASI VIDEO CONFERENCE MENGGUNAKAN NAIVE BAYES

Abstract

Video conference merupakan aplikasi yang memungkinkan pengguna untuk berkomunikasi, melakukan rapat, belajar dan berbagi informasi. Hingga saat ini, sudah banyak aplikasi video conference yang digunakan, seperti Zoom, Google Meet, dan Microsoft Teams. Tentunya disetiap aplikasi terdapat ulasan mengenai aplikasi yang digunakan. Dengan adanya ulasan, maka pengguna lain dapat mempertimbangkan dan mengetahui lebih jauh terkait aplikasi yang digunakan. Namun karena jumlah ulasan di internet sangat banyak, maka diperlukan analisis sentimen untuk dapat mengklasifikasikan ke dalam sentimen positif, netral, atau negatif. Pada penelitian ini, sebanyak 400 data ulasan setiap aplikasi diambil dari Play Store. Data ulasan tersebut menggunakan Bahasa Indonesia dan diambil berdasarkan versi aplikasi terbaru. Sebelum digunakan, data perlu dilabeli dan dilakukan preprocessing terlebih dahulu untuk dapat melakukan klasifikasi sentimen. Proses pengerjaannya menggunakan pembobotan kata TF-IDF, klasifikasi Naïve Bayes, dan confusion matrix sebagai bahan evaluasi. Nantinya data ulasan dari ketiga aplikasi tersebut akan diproses secara terpisah. Dari hasil pengujian analisis sentimen menggunakan 100 data uji, didapatkan perbandingan jumlah sentimen positif antara kelas aktual (55 ulasan Zoom, 52 ulasan Google Meet, dan 47 ulasan Microsoft Teams) dengan kelas prediksi (90 ulasan, 76 ulasan, dan 71 ulasan). Selain itu, juga didapatkan nilai akurasi rata-rata dari ketiga aplikasi sebesar 69%.