<![CDATA[Perkembangan teknologi finansial (fintech) di Indonesia telah mendorong meningkatnya penggunaan aplikasi pembayaran digital, salah satunya DANA. Banyaknya ulasan pengguna pada Google Play Store menghasilkan data tekstual yang dapat dimanfaatkan untuk mengetahui persepsi pengguna terhadap kualitas layanan aplikasi. Penelitian ini bertujuan untuk mengklasifikasikan sentimen pengguna aplikasi DANA menggunakan algoritma Naïve Bayes. Dataset yang digunakan berasal dari Kaggle dengan jumlah 50.000 ulasan yang telah dikategorikan ke dalam tiga kelas sentimen, yaitu positif, negatif, dan netral. Tahapan penelitian meliputi pengumpulan data, preprocessing teks (case folding, cleaning, tokenizing, stopword removal, dan stemming), pembobotan kata menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), proses klasifikasi menggunakan algoritma Multinomial Naïve Bayes, serta evaluasi model menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model memperoleh nilai accuracy sebesar 79,26%. Kelas sentimen positif memiliki performa terbaik dengan nilai precision sebesar 0,85, recall 0,94, dan F1-score 0,89, sedangkan kelas sentimen netral memiliki nilai recall terendah sebesar 0,19 akibat ketidakseimbangan distribusi data. Berdasarkan hasil tersebut, algoritma Naïve Bayes mampu memberikan kinerja yang cukup baik dalam mengklasifikasikan sentimen ulasan pengguna aplikasi DANA dan dapat dimanfaatkan sebagai salah satu metode analisis opini pengguna untuk mendukung peningkatan kualitas layanan aplikasi pembayaran digital.]]>
Copyrights © 2026
