<![CDATA[Studi ini bertujuan untuk mengklasifikasikan pendapat pengguna mengenai aplikasi Shopee berdasarkan ulasan berbahasa Indonesia yang diperoleh dari Google Play Store. Sebanyak 1.000 ulasan dikumpulkan menggunakan teknik pengambilan data otomatis dan diproses melalui beberapa tahap preprocessing, case folding, tokenisasi, stopword removal, dan stemming, guna menghasilkan data teks yang bersih dan terstruktur. Pelabelan sentimen dilakukan berdasarkan skor ulasan, dengan kategori positif (skor 4–5) dan kategori negatif (skor 1–2). Metode TF-IDF kemudian digunakan untuk mengekstrak fitur numerik dari teks, yang selanjutnya diklasifikasikan menggunakan algoritma Multinomial Naive Bayes. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 0,7443, dengan presisi dan F1-score yang menggambarkan kinerja klasifikasi yang stabil. Selain itu, visualisasi WordCloud digunakan untuk menyoroti kata-kata dominan pada setiap kategori sentimen, sehingga mengungkapkan perbedaan yang jelas antara ulasan positif dan negatif. Secara keseluruhan, temuan ini menunjukkan bahwa kombinasi TF-IDF, Naive Bayes, dan WordCloud efektif untuk menganalisis pendapat pengguna tentang Shopee dan dapat menjadi referensi berharga bagi pengembang aplikasi dalam meningkatkan kualitas layanan. Kata Kunci: Analisis Sentimen, Naive Bayes, TF-IDF, WordCloud, Shopee, Google Play Store.]]>
Copyrights © 2026
