<![CDATA[Tujuan dalam penelitian ini adalah untuk menganalisis sentimen ulasan dari pengguna aplikasi Snapseed di Google Play Store dengan menggunakan algoritma Naïve Bayes. Ulasan yang didapat dari para pengguna mengandung informasi penting mengenai tingkat kepuasan dan kualitas pada sebuah aplikasi, namun dibutuhkan pendekatan otomatis berbasis text mining karena jumlahnya yang besar. Data penelitian yang didapat melalui proses web scraping sebanyak 1000 ulasan, lalu setelah tahap seleksi dan pra-pemrosesan dapatlah 899 data ulasan berbahasa Indonesia. Pelabelan sentimen dilakukan otomatis menurut rating pengguna menjadi sentimen positif dan negatif. Data teks direpresentasikan memakai metode pembobotan TF-IDF dan diklasifikasikan menerapkan algoritma Multinomial Naïve Bayes dengan pembagian data latih dan data uji sebesar 80:20. Hasil yang diperoleh dari penelitian membuktikan bahwa model menghasilkan akurasi sebesar 0,90 dan mampu mengklasifikasikan sentimen ulasan dengan baik, dengan sentimen positif lebih mendominasi terhadap aplikasi Snapseed. ini menandakan bahwa algoritma Naïve Bayes efektif digunakan dalam menganalisis sentimen ulasan aplikasi berbasis teks.]]>
Copyrights © 2026
