Klasifikasi Sentimen Ulasan Pengguna MyPertamina Menggunakan Algoritma Naive Bayes dan TF-IDF: Klasifikasi Sentimen Ulasan Pengguna MyPertamina Menggunakan Algoritma Naive Bayes dan TF-IDF

Zulkarnaini, Zulkarnaini
Purnomo, Hendri
Firdhayanti, Ayu

Jupiter
Vol 17 No 2 (2025): Jurnal Penelitian Ilmu dan Teknologi Komputer (JUPITER)

Analisis sentimen merupakan cabang dari pemrosesan bahasa alami (Natural Language Processing) yang berfungsi untuk mengevaluasi opini atau emosi pengguna terhadap suatu objek berdasarkan teks. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna terhadap aplikasi MyPertamina ke dalam tiga kategori, yaitu positif, netral, dan negatif. Data diperoleh dari ulasan pengguna aplikasi yang kemudian diolah melalui tahapan praproses teks dan vektorisasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model klasifikasi yang digunakan dalam penelitian ini adalah Multinomial Naive Bayes karena kemampuannya dalam mengelola data teks yang bersifat multinomial. Hasil evaluasi menunjukkan bahwa algoritma Naive Bayes memberikan performa yang cukup baik dengan tingkat akurasi sebesar 84%. Selain itu, visualisasi WordCloud digunakan untuk menampilkan kata-kata yang paling sering muncul dalam tiap kategori sentimen, yang memberikan gambaran lebih mendalam mengenai persepsi pengguna. Penelitian ini menunjukkan bahwa analisis sentimen dapat menjadi alat bantu yang efektif dalam mengukur kepuasan pengguna serta dalam merumuskan strategi peningkatan kualitas layanan digital berbasis data.