Naive Bayes Meningkatkan Model Analisis Sentimen Pada Ulasan Aplikasi DANA Di Playstore Indonesia

Abstrak

Analisis sentimen terhadap ulasan pengguna merupakan salah satu metode penting dalam mengevaluasi kualitas layanan aplikasi digital. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi DANA di Google Playstore Indonesia dengan menggunakan algoritma Naïve Bayes. Data yang digunakan diperoleh dari Kaggle.com dan terdiri dari ulasan pengguna yang mencerminkan berbagai pengalaman dalam menggunakan aplikasi tersebut. Proses penelitian melibatkan beberapa tahap, termasuk pengumpulan data, preprocessing, klasifikasi, dan evaluasi model. Pada tahap preprocessing, dilakukan tokenisasi, transformasi huruf kecil, penghapusan stopword, filter panjang token, serta stemming untuk meningkatkan kualitas data yang dianalisis. Model Naïve Bayes diterapkan menggunakan perangkat lunak RapidMiner untuk mengklasifikasikan sentimen ulasan menjadi positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi sebesar 88,58%, dengan performa terbaik dalam mengklasifikasikan ulasan negatif dan positif, meskipun terdapat beberapa kesalahan dalam mendeteksi ulasan netral. Penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan kualitas layanan aplikasi DANA serta menjadi acuan bagi pengembang aplikasi dalam merancang strategi peningkatan kepuasan pengguna.

Kata kunci: Analisis Sentimen, Naïve Bayes, aplikasi DANA, ulasan pengguna, RapidMiner.