Klasifikasi Sentimen Ulasan Aplikasi WhatsApp di Play Store Menggunakan Naive Bayes Classifier
DOI:
https://doi.org/10.32664/j-intech.v11i1.867Kata Kunci:
WhatsApp, Ulasan, Google Play Store, Naïve Bayes ClassifierAbstrak
Saat ini masyarakat dengan gampang melakukan kontak jarak jauh dengan aplikasi WhatsApp yang memudahkan pengguna dalam berkomunikasi seperti mengirim pesan teks, gambar, video, pesan suara, berbagi file hingga melakukan panggilan suara maupun vidio secara gratis dengan akses internet. WhatsApp merupakan aplikasi digital yang dapat digunakan oleh masyarakat secara gratis, penggunanya juga dapat memberi ulasan melalui Google Play Store. Ulasan yang terdapat pada Google Play Store merupakan opini dari pengguna dalam memberi masukan kepada pengembang aplikasi. Penelitian ini bertujuan untuk memastikan pendapat atau emosi konsumen terhadap aplikasi WhatsApp dengan menerapkan metode Naïve Bayes Classifier dalam proses mengklasifikasi ulasan konsumen yang akan dipakai untuk memecahkan nilai probabilitas tertinggi. Ulasan tersebut dibagi dalam dua label yaitu ulasan positif dan ulasan negatif. Berdasarkan pengujian yang sudah dilangsungkan, didapatkan hasil akurasi tertinggi pada perbandingan 90:10 dengan akurasi sebesar 81%, precision 74% dan recall 54% dengan jumlah dataset tidak seimbang yaitu 669 ulasan positif dan 331 ulasan negatif dengan ini hasil akurasi sentimen positif lebih tinggi dibandingkan sentimen negatif.
Referensi
Alawiyah, N., & Alfirman. (2021). Analisa Sentimen Penggunaan Terhadap Kebijakan Baru Whatsapp Menggunakan Naive Bayes Classifier dan Support Vector Machine. Bina Widya Pekanbaru.
Anjasmoros, M. T., Istiadi, & Marisa, F. (2020). Analisis Sentimen Aplikasi Gojek menggunakan metode SVM dan NBC. Conference on Innovation and Application of Science and Technology, 1–10.
Appannie.com. (2022). State of Mobile 2022. Appannie.Com. https://anacecilia.digital/wp-content/uploads/2022/01/app_annie__state_of_mobile_2022__en.pdf
Arpit. (2021). Top 5 Reasons Showing the Importance of Ratings and Reviews for Your Mobile App. Mobileappdaily.Com. https://www.mobileappdaily.com/importance-of-mobile-app-reviews#%5C
Asnawi, M. H., Firmansyah, I., Novian, R., & Pontoh, R. S. (2021). Perbandingan Algoritma Naive Bayes , K-NN , dan SVM dalam Pengklasifikasian Sentimen Media Sosial. SEMINAR NASIONAL STATISTIKA, 1–12.
Basryah, E. S., Erfina, A., & Warman, C. (2021). Analisis Sentimen Aplikasi Dompet Digital di era 4.0 pada masa pandemi Covid-19 di Play Store menggunakan Algoritma Naive Bayes Classifier. Seminar Nasional Sistem Informasi Dan Manajemen Informatika, 189–196.
Gumilang, Z. A. N. (2018). Implementasi Naive Bayes Classifier dan Asosiasi untuk Analisis Sentimen Data Ulasan Aplikasi E-Commerce Shopee pada Situs Google Play. Universitas Islam Indonesia.
Lidwina Andrea. (2021). Jumlah Pengguna Aktif Bulanan Platform Pesan Instan (2020). Databoks. https://databoks.katadata.co.id/datapublish/2021/01/21/berapa-jumlah-pengguna-aktif-whatsapp-dan-platform-pesaingnya
Malsi, E., & Jatikusumo, D. (2022). Analisis Sentimen Terhadap Ulasan Aplikasi FLIP.ID Menggunakan Klasifikasi Naïve Bayes. Jurnal Informatika Dan Teknologi Informasi, 18(1), 1–11.
Muhammadin, A., & Sobari, I. A. (2021). Analisis Sentimen pada Ulasan Aplikasi Kredivo dengan Algoritma SVM. Jurnal Rekayasa Perangkat Lunak, 2(2), 85–91.
Nurwahyuni, S. (2019). Analisis Sentimen Aplikasi Transportasi Online KRL Access Menggunakan Metode Naive Bayes. Jurnal Swabumi, 7, 31–36. https://doi.org/10.31294/swabumi.v7i1.5575
StatCounter. (2022). Mobile Operating System Market Share Indonesia. Global Statcounter. https://gs.statcounter.com/os-market-share/mobile/indonesia
Wulandari, D. (2020). Klasifikasi Komentar pada Google Play Store dengan menggunakan Metode Modified K-Nearest Neighbor (MKNN). In State Islamic University Of Sultan Syarif Kasim Riau. Universitas Islam Negeri Sultan Syarif Kasim Riau.
Yavi, A. F. (2018). Klasifikasi Artikel Berbahasa Indonesia untuk Mendeteksi Clickbait menggunakan Metode Naïve Bayes. Journal of Information and Technology, 06(1), 141–147.
Yusra, Olivita, D., & Dkk. (2016). Perbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor. Jurnal Sains, Teknologi Dan Industri, 14(1), 79–85.
