Klasifikasi Text Ulasan Pengguna Aplikasi Wondr By BNI Menggunakan Algoritma Nai've Bayes

Penelitian ini berfokus pada proses klasifikasi ulasan pengguna aplikasi Wondr by BNI dengan menerapkan algoritma Naïve Bayes. Data yang digunakan berasal dari platform Kaggle, terdiri dari 1.500 data ulasan pengguna aplikasi yang telah melewati tahapan pre-processing seperti cleansing, tokenization, transform cases, stopwords, dan filter tokens. Ulasan tersebut kemudian diberi label secara manual ke dalam kategori label cepat, biasa saja, lambat, dan tidak responsif. Setelah itu label akan di buat otomatis oleh Naïve Bayes. Dataset dibagi menjadi 80:20, lalu di proses menggunakan model klasifikasi berbasis probabilistik Naïve Bayes. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan ulasan pengguna dengan tingkat akurasi sebesar 95%. Evaluasi model berdasarkan precision, recall, dan f1-score menunjukkan performa klasifikasi yang sangat baik pada setiap kategori ulasan. Visualisasi hasil klasifikasi menggunakan confusion matrix, diagram batang, dan wordcloud memberikan pemahaman lebih mendalam terhadap pola ulasan pengguna. Temuan ini membuktikan bahwa algoritma Naïve Bayes efektif dalam menangani teks tidak terstruktur dan dapat diandalkan untuk mendukung analisis evaluasi layanan digital berbasis umpan balik pengguna.

Kata Kunci: Klasifikasi Teks, Naïve Bayes, Ulasan Pengguna, Kaggle, Wondr by BNI