Teks
PENERAPAN COMPLEMENT NAIVE BAYES UNTUK KLASIFIKASI SENTIMEN ULASAN PENGGUNA APLIKASI TELEGRAM DI GOOGLE PLAY STORE
Perkembangan teknologi digital telah mendorong meningkatnya jumlah
ulasan pengguna pada berbagai aplikasi pesan instan, termasuk Telegram, di
platform Google Play Store. Ulasan tersebut menyimpan informasi berharga
mengenai pengalaman dan persepsi pengguna, namun variasi gaya bahasa dan
ketidakbakuan teks sering menjadi tantangan dalam proses analisis sentimen. Riset
ini memiliki sasaran utama guna mengklasifikasikan sentimen ulasan pengguna
Telegram ke dalam kategori positif, negatif, dan netral dengan menerapkan
algoritma Complement Naïve Bayes yang dikenal tepat guna untuk menangani data
berbasis teks dengan distribusi kelas yang beragam. Data penelitian terdiri dari
1.000 ulasan berbahasa Indonesia yang diperoleh melalui web scraping,
preprocessing (cleaning, case folding, tokenizing, stopword removal, dan
stemming), pelabelan manual, penyeimbangan data, serta ekstraksi fitur
menggunakan metode TF-IDF. Selanjutnya data dibagi menjadi set latih dan set uji
dengan rasio 80:20. Hasil evaluasi model menunjukkan tingkat akurasi sebesar 72%
dengan precision, recall, dan f1-score yang relatif seimbang pada setiap kelas
sentimen. Hasil studi memperlihatkan bahwa Complement Naïve Bayes efektif
diterapkan pada ulasan aplikasi digital, sehingga berguna bagi pengembang dalam
menilai persepsi pengguna.
| S00003.25 | RF TI.S00003.25 Daa p | My Library (Referensi) | Tersedia |
Tidak tersedia versi lain