LIKMILIKMI

Media InformatikaMedia Informatika

Dalam perkembangan teknologi informasi saat ini, aplikasi mobile telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari, termasuk aplikasi Jamsostek Mobile (JMO) yang menyediakan layanan bagi pengguna Jamsostek. Ulasan pengguna di platform seperti Google Play Store sering kali menjadi sumber informasi penting yang mencerminkan kualitas dan kepuasan pengguna terhadap aplikasi. Namun, untuk dapat memahami sentimen yang terkandung dalam ulasan tersebut secara otomatis, diperlukan metode analisis sentimen yang efektif. Salah satu algoritma yang sering digunakan dalam analisis sentimen adalah Naive Bayes. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi JMO di Google Play Store menggunakan algoritma Naive Bayes, dengan fokus untuk mengidentifikasi sentimen yang terkandung dalam ulasan tersebut serta mengevaluasi performa model dalam mengklasifikasikan sentimen. Metode yang digunakan dalam penelitian ini adalah Naive Bayes, yang diterapkan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral. Data ulasan yang digunakan dalam penelitian ini diperoleh dari Google Play Store dengan periode pengambilan data antara September hingga Oktober 2024. Hasil penelitian menunjukkan bahwa sebagian besar ulasan aplikasi JMO memiliki sentimen positif (74,1%), diikuti oleh sentimen negatif (25,9%). Namun, model ini menunjukkan kesulitan dalam mengidentifikasi kelas netral yang memiliki data yang sangat terbatas. Evaluasi model menghasilkan akurasi sebesar 86,06%, dengan precision, recall, dan F1-score yang cukup baik pada kelas positif dan negatif, namun kurang optimal pada kelas netral. Penelitian ini bertujuan untuk mengidentifikasi sentimen yang terkandung dalam ulasan pengguna aplikasi JMO, menerapkan metode Naive Bayes dalam analisis sentimen, serta mengukur kinerja algoritma dalam mengklasifikasikan sentimen tersebut. Hasil penelitian memberikan wawasan mengenai potensi dan keterbatasan metode Naive Bayes dalam analisis sentimen ulasan pengguna aplikasi JMO.

Penelitian ini berhasil menganalisis sentimen ulasan pengguna aplikasi JMO di Google Play Store dengan Naïve Bayes, menemukan bahwa 74,1% ulasan positif, 25,9% negatif, dan sedikit ulasan netral.Preprocessing seperti text cleaning, penghapusan stopwords, dan stemming meningkatkan kualitas data secara signifikan.Model Naïve Bayes mencapai akurasi 86,06% untuk kelas positif dan negatif namun kurang efektif pada kelas netral, menekankan pentingnya keseimbangan data antar kategori.

Penelitian lanjutan dapat mengeksplorasi penggunaan model deep learning seperti LSTM atau BERT untuk meningkatkan kemampuan identifikasi sentimen netral pada ulasan aplikasi JMO, mengingat keterbatasan data netral yang memengaruhi performa model Naïve Bayes. Selanjutnya, peneliti dapat mengembangkan teknik augmentasi data atau mengumpulkan lebih banyak ulasan netral melalui periode waktu yang lebih panjang guna menyeimbangkan distribusi kelas dan memperbaiki akurasi keseluruhan. Terakhir, studi komparatif antara model monolingual dan multilinguial yang mengintegrasikan ulasan dalam bahasa Indonesia dan bahasa Inggris dapat memberikan wawasan tentang pengaruh bahasa terhadap akurasi analisis sentimen, sehingga dapat menghasilkan sistem yang lebih robust untuk aplikasi JMO.

  1. Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes... journal.literasisains.id/index.php/insologi/article/view/770Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes journal literasisains index php insologi article view 770
Read online
File size408.6 KB
Pages9
DMCAReport

Related /

ads-block-test