Analisis Sentimen Ulasan Perplexity AI Menggunakan Multinomial Naïve Bayes dan K-Fold Pipeline

Asep Teja Sukmana (Fakultas Teknik dan Informatika Universitas Bina Sarana Informatika)
Slamet Widodo (Fakultas Teknik dan Informatika Universitas Bina Sarana Informatika)
Diah Wijayanti (Fakultas Teknik dan Informatika Universitas Bina Sarana Informatika)

Jurnal Riksa Cendikia Nusantara
Vol. 2 No. 8 (2026): Riksa Cendikia Nusantara - Agustus 2026

Penelitian ini bertujuan menganalisis sentimen pengguna aplikasi Perplexity AI di Google Play Store dan mengevaluasi efektivitas algoritma Multinomial Naïve Bayes. Data ulasan teks bersifat tidak terstruktur dan memiliki tingkat noise kebahasaan yang tinggi, seperti penggunaan kata tidak baku (slang) dan emoji. Melalui tahapan Knowledge Discovery in Databases (KDD), sebanyak 5.000 ulasan diekstraksi dan diproses menggunakan teknik praproses komprehensif. Setelah penghapusan ulasan ambigu, diperoleh 4.814 data bersih yang didominasi oleh sentimen positif sebesar 89,90% dan sentimen negatif 10,10%. Pembobotan fitur menggunakan metode TF-IDF serta penyeimbangan kelas data dengan SMOTE diterapkan sebelum tahap pemodelan. Hasil pengujian membuktikan bahwa algoritma Multinomial Naïve Bayes sangat efektif dengan tingkat akurasi mencapai 94,49%. Pengujian 10-Fold Cross Validation turut mengonfirmasi stabilitas model ini dengan rata-rata akurasi sebesar 85,20%. Faktor utama pendorong sentimen positif pengguna adalah keakuratan jawaban AI dan transparansi sitasi referensi. Sebaliknya, keluhan pada sentimen negatif umumnya berpusat pada kendala teknis (seperti bug dan force close) serta pembatasan kuota pada versi gratis.