Analisis Sentimen Ulasan Pengguna Aplikasi Famiapps Menggunakan Naïve Bayes, SVM, dan Random Forest

Abstract

Aplikasi FamiApps yang tersedia di Google Play Store telah digunakan oleh banyak pengguna, namun belum ada penelitian komprehensif untuk mengevaluasi pola emosional mereka. Penelitian ini bertujuan untuk mengeksplorasi sentimen pengguna dan memberikan wawasan mengenai persepsi mereka terhadap aplikasi. Tiga metode machine learning yang dibandingkan adalah Random Forest, Naïve Bayes, dan Support Vector Machine (SVM). Dataset terdiri dari 1.079 ulasan pengguna yang dikategorikan menjadi sentimen positif, negatif, dan netral. Proses analisis melibatkan preprocessing data seperti pembersihan, tokenisasi, stemming, dan pembobotan TF-IDF untuk mengubah teks menjadi format numerik. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja terbaik dengan accuracy tertinggi sebesar 98,58% pada skenario pemisahan data 80:20 dan 98,24% pada skenario 70:30. Keunggulan SVM terletak pada kemampuannya menangani data berdimensi tinggi dan menemukan hiperplane optimal untuk klasifikasi lebih akurat. Random Forest dan Naïve Bayes cenderung lebih rentan terhadap noise dan fitur yang kurang relevan. Dengan demikian, penelitian ini menyimpulkan bahwa SVM adalah algoritma paling andal dalam klasifikasi sentimen ulasan pengguna FamiApps. Temuan ini dapat membantu pengembang dalam meningkatkan kualitas aplikasi secara lebih tepat sasaran.