Analisis Sentimen Deepseek Berdasarkan Ulasan Google Play Store Menggunakan Metode Naïve Bayes

Al Mas Ud, Khalid (Universitas Sriwijaya)
Fieldi, Muhammad Izzan (Universitas Sriwijaya)
Al-Farisy, M. Hadi (Universitas Sriwijaya)
Alfarizi, M. (Universitas Sriwijaya)
Fathoni, Fathoni (Universitas Sriwijaya)
Ibrahim, Ali Ibrahim (Universitas Sriwijaya)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 14, No 2: Agustus 2025

The advancement of artificial intelligence technologies, including the Deepseek application, has increasingly emphasized the importance of user experience. User reviews on the Google Play Store serve as a key source for evaluating application quality. However, the large volume of reviews presents challenges for effective sentiment analysis. This study investigates user sentiment toward Deepseek by applying the Naïve Bayes algorithm, combined with the Term Frequency-Inverse Document Frequency (TF-IDF) weighting technique. The dataset, obtained from Kaggle, contains 15,124 reviews categorized into positive, neutral, and negative sentiments. Model evaluation was conducted using 5-Fold Cross Validation. Results indicate that the model achieved an average accuracy of 87%, with the highest performance observed in the positive sentiment category. These findings may serve as a valuable reference for developers aiming to improve the overall quality and user satisfaction of the Deepseek application.Key words: Data Mining; Sentiment Analysis; Naïve Bayes; Deepseek  AbstrakPerkembangan teknologi kecerdasan buatan, termasuk aplikasi Deepseek, semakin menekankan pentingnya pengalaman pengguna. Ulasan pengguna di Google Play Store menjadi sumber data utama dalam mengevaluasi kualitas aplikasi. Namun, banyaknya ulasan yang tersedia menyulitkan proses analisis sentimen secara manual. Penelitian ini menganalisis sentimen pengguna terhadap Deepseek dengan menggunakan algoritma Naïve Bayes yang dikombinasikan dengan metode pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Dataset yang digunakan berasal dari Kaggle, terdiri dari 15.124 ulasan dan diklasifikasikan ke dalam tiga kategori sentimen: positif, netral, dan negatif. Validasi model dilakukan menggunakan metode 5-Fold Cross Validation. Hasil menunjukkan model memiliki akurasi rata-rata sebesar 87%, dengan performa tertinggi pada kategori sentimen positif. Temuan ini diharapkan dapat menjadi acuan bagi pengembang dalam meningkatkan kualitas layanan dan kepuasan pengguna aplikasi Deepseek secara berkelanjutan.