Sentimen Analisis Ulasan Aplikasi Bima+ di Google Play Menggunakan Metode Algoritma Naïve Bayes

• DAMAR TANDUR FARAS SAMPAN
• 2023

---

Sentimen analisis telah menjadi salah satu sarana yang umum digunakan untuk menilai suatu produk atau jasa. Bima+ adalah salah satu produk layanan digital milik provider internet Tri yang telah banyak digunakan masyarakat Indonesia. Layanan yang disediakan aplikasi Bima+ berupa pengecekan, pembelian sampai pengiriman pulsa atau paket data. Sentimen analisis terhadap Bima+ ini tentu akan membantu beberapa pihak mulai dari konsumen sampai penyedia layanan dengan menyajikan data sentimen yang telah diolah. Penelitian ini juga bertujuan untuk mengukur bagaimana peforma algoritma klasifikasi Naïve Bayes untuk melakukan tugas klasifikasi ulasan berbentuk teks. Metode Naive Bayes Classifier menjadi pilihan metode yang baik karena prosesnya yang cepat, mudah dan juga akurat dengan 
menggunakan teorema Bayes yang merupakan teori probabilitas dan statistik sebagai dasarnya. Data 1000 ulasan aplikasi Bima+ di Google Play akan melewati proses manual labelling, preprocessing, TF-IDF, permodelan Naïve Bayes dan evaluasi. Preprocessing melibatkan beberapa proses seperti Regex Removal, Trim, Tokenization, Transform Case, Filter Stopwords, Stemming, Filter Tokens (By Length). Hasil penelitian menunjukkan metode algoritma klasifikasi Naïve Bayes mampu mencapai akurasi 72,28% dengan nilai AUC 0,712 yang dapat dikategorikan sebagai kelas peforma cukup (Fair Classification)

• Text Mining
• Naïve Bayes Classifier

Algoritma Data Indonesia. (2022). https://algorit.ma/blog/teknik-text-mining-2022/ Teknik Text Mining. 

Ashari Muin, A. (2016). Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi). Jurnal Ilmiah Ilmu Komputer, 2(1). http://ejournal.fikom-unasman.ac.id 

Bayhaqi, F., & Kadek, I. N. D. (2022). Analisis Kepuasan Pengguna Layanan Aplikasi Bima+ dengan Metode UTAUT. 

Buildfire. (2023). Mobile App Download Statistics & Usage Statistics (2023). https://buildfire.com/app-statistics/ 

Caron, M., Misra, I., Mairal, J., Goyal, P., Bojanowski, P., & Joulin, A. (2020). Unsupervised Learning of Visual Features by Contrasting Cluster Assignments. https://github.com/facebookresearch/swav 

Digital 2023: Indonesia. (2023, February 9). https://datareportal.com/reports/digital2023-indonesia?rq=digital%202023%20indonesia 

Faiqotul Himma. (2022, December). Analisis Sentimen adalah: Pengertian, Contoh, Tipe. https://majoo.id/solusi/detail/analisis-sentimen-adalah 

Fitri, E., Yuliani, Y., Rosyida, S., & Gata, W. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. TRANSFORMTIKA, 18(1), 71–80. 
www.nusamandiri.ac.id, 

Hassani, H., Beneki, C., Unger, S., Mazinani, M. T., & Yeganegi, M. R. (2020). Text mining in big data analytics. Big Data and Cognitive Computing, 4(1), 1–34. https://doi.org/10.3390/bdcc4010001 

Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., Komputer STMIK Nusa Mandiri Jl Damai No, I., Jati Barat, W., & Selatan, J. (2020). ANALISIS SENTIMEN ZOOM CLOUD MEETINGS DI PLAY STORE MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE (Vol. 5, Issue 2). 

Hillen, J. (2019). Web scraping for food price research. British Food Journal, 121(12), 3350–3361. https://doi.org/10.1108/BFJ-02-2019-0081 

Isnawati, I., Jalinus, N., & Risfendra, R. (2020). Analisis Kemampuan Pedagogi Guru SMK yang sedang Mengambil Pendidikan Profesi Guru dengan Metode Deskriptif Kuantitatif dan Metode Kualitatif. INVOTEK: Jurnal Inovasi 
Vokasional Dan Teknologi, https://doi.org/10.24036/invotek.v20i1.652 20(1), 37–44. 

Jayusman, I., Agus, O., & Shavab, K. (2020). STUDI DESKRIPTIF KUANTITATIF TENTANG AKTIVITAS BELAJAR MAHASISWA DENGAN MENGGUNAKAN MEDIA PEMBELAJARAN EDMODO DALAM PEMBELAJARAN SEJARAH. In Halaman | 13 Jurnal Artefak (Vol. 7, Issue 1). https://jurnal.unigal.ac.id/index.php/artefak 
 
Karch, M. (2021, September 22). What Is Google Play? Livewire. https://www.lifewire.com/what-is-google-play-1616720
 
Kovács, L., & Ghous, H. (2020). Efficiency comparison of Python and RapidMiner. Multidiszciplináris 
Tudományok, https://doi.org/10.35925/j.multi.2020.3.26 10(3), 212–220. 

Kristiyanti, D. A., Putri, D. A., Indrayuni, E., Nurhadi, A., & Umam, A. H. (2020). E-Wallet Sentiment Analysis Using Naïve Bayes and Support Vector Machine Algorithm. Journal of Physics: Conference 
https://doi.org/10.1088/1742-6596/1641/1/012079 Series, 1641(1). 

Krstinić, D., Braović, M., Šerić, L., & Božić-Štulić, D. (2020). Multi-label Classifier Performance Evaluation 
with Confusion Matrix.01–14. 
https://doi.org/10.5121/csit.2020.100801 
 
Kumar, S., Kar, A. K., & Ilavarasan, P. V. (2021). Applications of text mining in services management: A systematic literature review. In International Journal of Information Management Data Insights (Vol. 1, Issue 1). Elsevier Ltd. https://doi.org/10.1016/j.jjimei.2021.100008 

Lestandy, M., Syafa’ah, L., & Faruq, A. (2020). Classification of potential blood donors using machine learning algorithms approach. Jurnal Teknologi Dan Sistem Komputer, 8(3), 217–221. https://doi.org/10.14710/jtsiskom.2020.13619 

LP2M. (2022, February). Analisis Sentimen (Sentiment Analysis) : Definisi, Tipe dan Cara Kerjanya. https://lp2m.uma.ac.id/2022/02/21/analisis-sentimen-sentimentanalysis-definisi-tipe-dan-cara-kerjanya/ 

Mochammad Haldi Widianto. (2019). Binus University - Algoritma Naive Bayes. 
https://binus.ac.id/bandung/2019/12/algoritma-naive-bayes/ 

Nahm, F. S. (2022). Receiver operating characteristic curve: overview and practical use for clinicians. Korean Journal of Anesthesiology, 75(1), 25–36. https://doi.org/10.4097/kja.21209 

Neelam Tyagi. (2021, May 10). Top 7 Text Mining Techiques. Analytic Steps. 
https://www.analyticssteps.com/blogs/top-7-text-mining-techniques 

Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2). 

Praveen Nellihela. (2022, July 1). What is K-fold Cross Validation? Medium. https://towardsdatascience.com/what-is-k-fold-cross-validation5a7bb241d82f#:~:text=The%20data%20sample%20is%20split,or%20ten%20s maller%20samples%20respectively. 

Prayoga Permana, A., Ainiyah, K., & Fahmi Hayati Holle, K. (2021). Analisis Perbandingan Algoritma Decision Tree, kNN, dan Naive Bayes untuk Prediksi Kesuksesan Start-up. In JISKa (Vol.6, Issue 3).
https://www.kaggle.com/manishkc06/startup-success-prediction. 
 
Putri, D. A., Kristiyanti, D. A., Indrayuni, E., Nurhadi, A., & Hadinata, D. R. (2020a). Comparison of Naive Bayes Algorithm and Support Vector Machine using PSO Feature Selection for Sentiment Analysis on E-Wallet Review. 
Journal of Physics: Conference Series, 1641(1). https://doi.org/10.1088/1742
6596/1641/1/012085 

Putri, D. A., Kristiyanti, D. A., Indrayuni, E., Nurhadi, A., & Hadinata, D. R. (2020b). Comparison of Naive Bayes Algorithm and Support Vector Machine using PSO Feature Selection for Sentiment Analysis on E-Wallet Review. 
Journal of Physics: Conference Series, 1641(1). https://doi.org/10.1088/17426596/1641/1/012085 

Rachmi, H., & Surniandari, A. (2020). Classification of Text Mining Review Oil Disfusser Products Using Naive Bayes Classification (Vol. 4, Issue 36). https://iocscience.org/ejournal/index.php/mantik/index 

Rizqi, M., Nur, F., & Oktora, S. I. (2020). ANALISIS KURVA ROC PADA MODEL LOGIT DALAM PEMODELAN DETERMINAN LANSIA 
BEKERJA DI KAWASAN TIMUR INDONESIA *. In Indonesian Journal of Statistics and Its Applications (Vol. 4, Issue 1). 
Sadya, S. (2023, March 9). APJII: Pengguna Internet Indonesia 215,63 Juta pada 2022-2023. 
https://dataindonesia.id/digital/detail/apjii-pengguna-internetindonesia-21563-juta-pada-20222023 

Setio, P. B. N., Saputro, D. R. S., & Winarno, B. (2020). PRISMA, Prosiding Seminar Nasional Matematika Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5. 3, 64–71. https://journal.unnes.ac.id/sju/index.php/prisma/ 

Stocchi, L., Pourazad, N., Michaelidou, N., Tanusondjaja, A., & Harrigan, P. (2022). Marketing research on Mobile apps: past, present and future. In Journal of the Academy of Marketing Science (Vol. 50, Issue 2, pp. 195–225). Springer. 
https://doi.org/10.1007/s11747-021-00815-w 

Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi EGovernment Pada Google Play Menggunakan Algoritma Naïve Bayes. 9(2), 785–795. 

Trya Ayu Pratiwi, Muhammad Irsyad, Rahmad Kurniawan, Surya Agustian, & Benny Sukma Negara. (2021). 22555-51984-1-PB. 

Wibisono, A. (2023). FILTERING SPAM EMAIL MENGGUNAKAN METODE NAIVE BAYES. In Teknologipintar.org (Vol. 3, Issue 4). 
Yuan, H., Tang, Y., Sun, W., & Liu, L. (2020). A detection method for android application security based on TF-IDF and machine learning. PLoS ONE, 15(9 September). https://doi.org/10.1371/journal.pone.0238694