PENERAPAN METODE NAIVE BAYES PADA ANALISIS SENTIMEN APLIKASI MCDONALDS DI GOOGLE PLAY STORE

Abstract

Penelitian ini menitikberatkan pada implementasi metode Naive Bayes dalam menganalisis sentimen terhadap aplikasi McDonald's di Google Play Store dengan menggunakan ulasan pengguna sebagai sumber data. Proses analisis melibatkan langkah-langkah preprocessing, seperti tokenisasi, eliminasi stopwords, dan vektorisasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dengan model Naive Bayes, penelitian mencapai tingkat akurasi 88%, menunjukkan keahlian model dalam mengklasifikasikan ulasan ke dalam kategori sentimen positif, negatif, atau netral dengan tingkat presisi yang tinggi. Hasil temuan menyoroti keunggulan model dalam mengidentifikasi ulasan ber sentimen negatif, dengan tingkat kepresisian 90%, recall 95%, dan nilai F1-score 93%. Namun, terdapat penurunan kinerja dalam mengklasifikasikan sentimen positif, dengan tingkat kepresisian 77%, recall 61%, dan nilai F1-score 68%. Temuan penelitian ini memberikan wawasan mendalam mengenai persepsi pengguna terhadap aplikasi McDonald's, menjadi dasar bagi pengembang untuk meningkatkan kualitas layanan berdasarkan umpan balik pengguna yang lebih akurat. Dengan akurasi tinggi, penelitian ini berpotensi mendukung pengambilan keputusan berbasis umpan balik pengguna, memungkinkan perbaikan yang lebih cermat dan efektif dalam pengembangan aplikasi berbasis sentimen. Keseluruhan, penelitian ini memberikan pemahaman mendalam mengenai respons pengguna terhadap aplikasi kuliner di era kemajuan digital, dan metodologi yang digunakan dapat diaplikasikan dalam penelitian analisis sentimen pada berbagai sektor industri di era digital, di mana aplikasi telah menjadi platform utama dalam sektor penjualan, khususnya di bidang makanan.