Klasifikasi Sentimen Analisis Aplikasi Jaket Boat Pada Usulan Playstore Menggunakan Algoritma Naive Bayes

Kemajuan teknologi informasi telah mendorong penggunaan aplikasi transportasi digital, termasuk Jaket Boat. Seiring bertambahnya user, review di Google Play Store menjadi sumber data penting bagi pengembang dalam meningkatkan layanan. Namun, analisis manual terhadap ulasan dalam jumlah besar kurang efisien. Tujuan penelitian ini adalah mengklasifikasikan review pengguna dengan algoritma Naive Bayes. Data dikumpulkan melalui web scraping dan diproses dengan Natural Language Processing (NLP). Proses pre-processing melibatkan pembersihan teks, case folding, tokenisasi, stopword removal, dan stemming. Data yang telah diproses kemudian dikonversi ke bentuk numerik dengan metode TF-IDF (Term Frequency-Inverse Document Frequency) sebelum diklasifikasikan menggunakan model Naive Bayes. Evaluasi model dilakukan dengan menggunakan metrik akurasi, recall, precision, dan F1-score. Penelitian ini menunjukan hasil bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen ulasan dan akurasi akurasi sebesar 91%, precision sebesar 91%, recall 100%, dan F1-score 95%. Nilai-nilai ini menandakan bahwa algoritma bekerja dengan cukup baik dalam mengenali pola sentimen dalam ulasan teks berbahasa Indonesia. Dan hasil klasifikasi sentimen menunjukan bahwa aplikasi ini cenderung negatif dengan permasalahan terbesar tiket & pemesanan sebesar 38%. Dengan demikian, penelitian ini dapat membantu pengembang aplikasi dalam memahami permasalahan yang dialami pengguna dan meningkatkan kualitas layanan berdasarkan hasil sentimen analisis.

Kata kunci— Klasifikasi, Naive bayes, Ulasan pengguna, NLP, Aplikasi Jaket Boat.