ANALISIS SENTIMEN TERHADAP PENGGUNA APLIKASI QURANBEST MENGGUNAKAN METODE ALGORITMA NAIVE BAYES
- KESYA ALEA
- 2025
Kemajuan teknologi informasi digital yang terus meningkat telah menghadirkan beragam inovasi yang memengaruhi aktivitas dalam kehidupan sehari-hari, termasuk di bidang keagamaan Salah satu aplikasi yang populer di kalangan masyarakat Muslim di Indonesia adalah QuranBest. ulasan pengguna mengenai aplikasi QuranBest, yang diperoleh dari ulasan Google Play Store dapat mencerminkan reaksi dan pengalaman mereka saat menggunakan aplikasi, meliputi komentar yang positif, negatif, dan netral yang bersifat subjektif dan tidak berstruktur. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi QuranBest menggunakan algoritma klasifikasi Naïve Bayes.Data yang digunakan berjumlah 1. 000 ulasan yang diambil secara otomatis (crawling) dari Google Play Store. Proses analisis dimulai dengan langkah preprocessing teks, pemberian sentimen secara semi-otomatis (positif, netral, negatif), vektorisasi menggunakan metode CountVectorizer, serta pelatihan dan pengujian model dengan algoritma Multinomial Naïve Bayes. Hasil dari penelitian menunjukkan bahwa model dapat mengklasifikasikan sentimen dengan tingkat akurasi mencapai 93%. Model ini menunjukkan kinerja optimal dalam mendeteksi sentimen positif, dan juga cukup baik dalam mengidentifikasi sentimen netral dan negatif meskipun terdapat ketidakseimbangan dalam distribusi data. Oleh karena itu, algoritma Naïve Bayes dapat dipakai sebagai metode klasifikasi sentimen yang sederhana dan efektif untuk ulasan pengguna aplikasi berbasis teks.
https://repository.bsi.ac.id/repo/71127/ANALISIS-SENTIMEN-TERHADAP-PENGGUNA-APLIKASI-QURANBEST-MENGGUNAKAN-METODE-ALGORITMA-NAIVE-BAYES
Anda dapat membaca file tugas akhir ini di repository.
Detail Informasi
Tugas Akhir ini ditulis oleh :
- 15210246 - KESYA ALEA
- Prodi : Informatika
- Kampus : Cengkareng
- Tahun : 2025
- Pembimbing : Yayan Hendrian, ST, M.Kom
- Kode : 0054.S1.15.SKRIPSI.I.2025
- Status Akses : Open Access
- Diinput oleh : AXD
- Terakhir update : 19 Oktober 2025
- Dilihat : 60 kali