OPTIMALISASI ALGORITMA NAÏVE BAYES DENGAN HYPERPARAMETER TUNING UNTUK ANALISIS SENTIMEN ULASAN ACCESS BY KAI

• AZNAL AZLANSYAH
• 2025

---

Perkembangan teknologi digital mendorong peningkatan penggunaan aplikasi layanan publik, termasuk Access by KAI milik PT Kereta Api Indonesia. Aplikasi ini memudahkan pemesanan tiket secara daring, namun ulasan pengguna yang beragam memerlukan analisis sentimen untuk mengevaluasi kualitas layanan. Penelitian ini bertujuan mengoptimalkan algoritma Naïve Bayes dalam klasifikasi sentimen ulasan serta mengukur dampak Hyperparameter Tuning terhadap performa model. Data penelitian diperoleh melalui web scraping terhadap 2.000 ulasan di Google Play Store. Setelah melalui tahap preprocessing (cleaning, case folding, tokenizing, stopword removal, dan stemming), diperoleh 1.567 data yang diklasifikasikan menjadi sentimen positif dan negatif berdasarkan rating. Dataset dibagi menjadi 80% data latih dan 20% data uji, lalu direpresentasikan menggunakan TF-IDF. Model diuji menggunakan MultinomialNB dan ComplementNB, baik sebelum maupun sesudah Hyperparameter Tuning. Hasil pengujian menunjukkan tuning meningkatkan performa model. ComplementNB naik dari akurasi 87,26% menjadi 88,54% dan F1-Score dari 86,84% menjadi 88,31%. MultinomialNB meningkat dari akurasi 90,13% menjadi 90,76% serta F1-Score dari 90,16% menjadi 90,91%.Kesimpulannya, algoritma Naïve Bayes, terutama setelah tuning, mampu mengklasifikasikan sentimen dengan baik. Temuan ini dapat menjadi rekomendasi bagi PT KAI untuk meningkatkan kualitas layanan dan stabilitas aplikasi berdasarkan analisis ulasan pengguna

• : Analisis Sentimen
• Naïve Bayes
• Hyperparameter Tuning
• Access By Kai
• TF-IDF

https://repository.bsi.ac.id/repo/72810/OPTIMALISASI-ALGORITMA-NAÏVE-BAYES-DENGAN-HYPERPARAMETER-TUNING-UNTUK-ANALISIS-SENTIMEN-ULASAN-ACCESS-BY-KAI
File full-text dikunci.