<![CDATA[Platform pendidikan online, seperti Ruang Guru, telah mendorong pengguna untuk berbagi pengalaman mereka melalui ulasan di platform seperti Google Play Store. Namun, ketidaksesuaian antara peringkat bintang dan ulasan tertulis sering kali menyamarkan perasaan sebenarnya dari pengguna. Masalah ini menjadi tantangan dalam memahami umpan balik pengguna secara menyeluruh, yang dapat memberikan wawasan lebih dalam tentang kepuasan dan kebutuhan mereka terkait aplikasi tersebut. Studi ini menggunakan analisis sentimen untuk mengevaluasi umpan balik pengguna pada aplikasi Ruang Guru, dengan memanfaatkan metode klasifikasi Naïve Bayes untuk mengkategorikan ulasan menjadi sentimen positif, netral, dan negatif. Penelitian ini melibatkan pengumpulan 10.000 ulasan dari Google Play Store, diikuti dengan penerapan teknik pra-pemrosesan data seperti tokenisasi dan penghapusan kata stop sebelum klasifikasi. Tiga pembagian data pelatihan-pengujian yang berbeda (70:30, 80:20, dan 90:10) dievaluasi untuk menentukan konfigurasi yang paling optimal. Pembagian 90:10 menghasilkan kinerja terbaik, dengan akurasi 83,52%, presisi 71,44%, recall 65,84%, dan skor F1 67,83%. Analisis menunjukkan dominasi sentimen positif dalam ulasan. Metode ini memberikan wawasan berharga bagi pengembang, memungkinkan mereka untuk menangani kekhawatiran pengguna dan meningkatkan fungsionalitas aplikasi. Selain itu, studi ini menyoroti potensi signifikan analisis sentimen dalam meningkatkan pengalaman pengguna aplikasi teknologi pendidikan dan memberikan rekomendasi untuk menangani data yang tidak seimbang guna memperbaiki efektivitas model]]>
Copyrights © 2026
