Analisis Sentimen Ulasan Pengguna Aplikasi Threads pada Google Play Store Menggunakan Multinomial Naive Bayes dan Support Vector Machine
DOI:
https://doi.org/10.70309/ticom.v12i2.112Keywords:
Analisis Sentimen, Ulasan Aplikasi, Multinomial Naive Bayes, Support Vector Machine , Google Play StoreAbstract
Analisis sentimen pada ulasan pengguna aplikasi menjadi topik yang menarik untuk dipelajari karena memberikan wawasan tentang bagaimana pengguna merespons dan mempersepsikan sebuah aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi Threads di Google Play Store dengan menggunakan metode Multinomial Naive Bayes dan Support Vector Machine. Latar belakang penelitian ini didasarkan pada penggunaan aplikasi jejaring sosial yang semakin populer dan banyaknya ulasan pengguna yang perlu dianalisis secara efisien. Masalah yang dihadapi adalah volume besar ulasan yang sulit untuk dianalisis secara manual. Metode yang digunakan mencakup persiapan data, penanganan ketidakseimbangan kelas dengan penerapan SMOTE, dan ekstraksi fitur dengan TF-IDF. Evaluasi model dilakukan dengan mengukur accuracy, precision, recall, dan F1-score untuk mengklasifikasikan sentimen ulasan menjadi positif atau negatif. Dari hasil pengujian menunjukkan kedua algoritma memiliki performa hampir seimbang dengan akurasi sekitar 81% model-model ini mampu mengklasifikasikan sentimen ulasan dengan baik, memiliki precision dan recall yang tinggi untuk kedua kelas. Kesimpulan penelitian ini adalah metode Machine Learning berhasil memberikan solusi efisien dan akurat untuk analisis sentimen pada ulasan aplikasi Threads di Google Play Store, namun batasan data Bahasa Indonesia menjadi perhatian untuk penelitian selanjutnya
References
F. Hadaina and U. Budiyanto, “Implementasi Metode Multinomial Naïve Bayes Untuk Sentiment Analysis Terhadap Data Ulasan Produk Colearn Pada Google Play Store,” in Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) Jakarta-Indonesia, pp. 660–666, 2022.
V. R. A. Sejati, P. Painem, F. Ferdiansyah, and W. Pramusinto, “Analisis Sentimen Ulasan Pengguna Aplikasi Ipusnas pada Google Play Store dengan Multinomial Naive Bayes,” in 2nd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), pp. 182–190, 2023.
N. A. Salsabila, Y. A. Winatmoko, and A. A. Septiandri, “Colloquial Indonesian Lexicon,” in 2018 International Conference on Asian Language Processing (IALP), pp. 236–239, 2018.
K. Kelvin, J. Banjarnaho, E. Indra, and S. H. Sinurat, “Analisis Perbandingan Sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression dan Support Vector Machine (SVM),” JUSIKOM PRIMA (Jurnal Sistem Informasi dan Ilmu Komputer Prima), vol. 5, no. 2, pp. 47–52, 2022.
F. Z. Tala, “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia.”
M. Zaki Anbari, M. Zaki Anbari, and B. Sugiantoro, “Studi Komparasi Metode Analisis Sentimen Naïve Bayes, SVM, dan Logistic Regression pada Piala Dunia 2022,” Jurnal Media Informatika Budidarma, vol. 7, no. 2, pp. 688–695, 2023.
Q. A. N. Prakoso, A. Muliawati, and I. N. Isnainiyah, “Analisis Sentimen terhadap Produk Skin Game di Forum Review Female Daily Menggunakan Metode Multinomial Naïve Bayes dan TF-IDF,” JURNAL INFORMATIK , vol. 18, no. 3, pp. 198–207, 2022.
F. S. D. Kartika and T. P. Aji, “Klasifikasi Berita Menggunakan Metode Multinomial Naive Bayes,” SCAN, vol. XVI, no. 3, pp. 1–8, 2021.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, Feb. 2021.
F. Tempola, M. Muhammad, and A. Khairan, “Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi Dengan K-Fold Cross Validation,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 5, no. 5, pp. 577–584, 2018.
