ANALISIS SENTIMEN ULASAN APLIKASI INDOMARET POINKU MENGGUNAKAN MULTINOMIAL NAIVE BAYES

Muchammad Safruddin; Rudi Kurniawan; Bani Nurhakim; Aris Pratama Putra

Authors

Muchammad Safruddin STMIK IKMI Cirebon, Indonesia
Rudi Kurniawan STMIK IKMI Cirebon, Indonesia
Bani Nurhakim STMIK IKMI Cirebon, Indonesia
Aris Pratama Putra STMIK IKMI Cirebon, Indonesia

Keywords:

Analisis Sentimen, Dataset Publik, Google Play Store, TF-IDF, Multinomial Naive Bayes

Abstract

Perkembangan aplikasi ritel dan program loyalitas menjadikan ulasan pengguna di Google Play Store sebagai sumber informasi penting untuk memahami kepuasan, keluhan, dan persepsi pengguna terhadap kualitas aplikasi. Indomaret Poinku merupakan aplikasi loyalitas yang digunakan pelanggan Indomaret di Indonesia, di mana ulasan yang diberikan pengguna memuat apresiasi sekaligus kritik terkait stabilitas, kemudahan penggunaan, dan manfaat aplikasi. Namun, ulasan tersebut umumnya berciri informal, tidak terstruktur, dan mengandung code-mixing, sehingga sulit dan tidak efisien jika dianalisis secara manual. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Indomaret Poinku di Google Play Store menggunakan algoritma Multinomial Naive Bayes dengan representasi fitur TF-IDF. Sebanyak 1.816 ulasan dikumpulkan melalui teknik web scraping menggunakan pustaka google-play-scraper, kemudian diproses melalui tahapan pra-pemrosesan teks (cleaning, case folding, normalisasi, tokenisasi, stopword removal, dan stemming) dan diubah menjadi matriks TF-IDF berukuran 1816 × 2366. Dataset dibagi menjadi data latih dan uji dengan perbandingan 80:20, kemudian dilatih menggunakan algoritma Multinomial Naive Bayes. Hasil pengujian menunjukkan akurasi sebesar 0,90 dengan nilai precision, recall, dan F1-score tertimbang masing-masing sekitar 0,90, 0,90, dan 0,88. Kelas positif dan negatif dapat diklasifikasikan dengan baik, sedangkan kelas netral memiliki nilai recall 0,00 akibat jumlah data yang sangat sedikit dan adanya tumpang tindih leksikal dengan dua kelas lainnya. Distribusi sentimen menunjukkan 902 ulasan positif, 878 negatif, dan 76 netral. Analisis pola kata mengungkap bahwa sentimen positif dipicu oleh kemudahan berbelanja, poin, promo, dan diskon, sementara sentimen negatif didominasi persoalan teknis seperti kegagalan login, error aplikasi, dan masalah pencatatan poin. Temuan ini dapat dimanfaatkan sebagai dasar pengambilan keputusan untuk memprioritaskan perbaikan teknis dan pengembangan program loyalitas, sekaligus menjadi baseline bagi penelitian lanjutan analisis sentimen berbahasa Indonesia.

References

Nadia Tiara Rahman, “Analisa Algoritma Decision Treedan Naïve Bayespada Pasien Penyakit Liver,” Jurnal Fasilkom, 2020.

A. Gusderia, M. Ramadhan, And I. Perangin-Angin, “Data Mining Untuk Klasifikasi Data Penjualan Alat Teknik Menggunakan Metode Naive Bayesian Clacifier,” Jurnal Sains Manajemen Informatika Dan Komputer, Vol. 21, No. 2, Pp. 73–79, 2022, [Online]. Available: Https://Ojs.Trigunadharma.Ac.Id/Index.Php/Jis

I. Iwandini, A. Triayudi, And G. Soepriyono, “Analisa Sentimen Pengguna Transportasi Jakarta Terhadap Transjakarta Menggunakan Metode Naives Bayes Dan K-Nearest Neighbor,” Journal Of Information System Research (Josh), Vol. 4, No. 2, Pp. 543–550, Jan. 2023, Doi: 10.47065/Josh.V4i2.2937.

E. Mardiani Et Al., “Analisis Kompleksitas Password Dengan Metode Knn, Naïve Bayes, Decision Tree, Ensemble Methods Dan Linear Regression,” Digital Transformation Technology, Vol. 3, No. 2, Pp. 955–966, Jan. 2024, Doi: 10.47709/Digitech.V3i2.3513.

A. Kaharudin, A. Agus Supriyadi, H. Baitika, And M. Derryanur, “Oktal : Jurnal Ilmu Komputer Dan Science Analisis Sentimen Pada Media Sosial Dengan Teknik Kecerdasan Buatan Naïve Bayes: Kajian Literatur Review,” Vol. 2, No. 6, 2023, [Online]. Available: Https://Harzing.Com/Resources/Publish-Or-Perish

Fitri Yani, “Metode Bagging Untuk Imbalance Naive Bayes,” Jurnal Kajian Ilmiah Universitas Bhayangkara Jakarta Raya, 2018.

R. W. Pratiwi, D. Yusuf, And S. Nugroho, “Prediksi Rating Film Menggunakan Metode Naïve Bayes,” Jurnal Teknik Elektro, Vol. 8, No. 2, Pp. 60–63, 2016, [Online]. Available: Https://Www.Kaggle.Com/

Sigit Riyadi, “Penerapan Metode Naive Bayes Dalam Pengklasifikasi Trafik Jaringan,” Smatika Jurnal, Vol. 07, No. 1, Pp. 20–23, 2017.

M. Fikri Eina And Y. Herry Chrisnanto, “Klasifikasi Telemarketing Menggunakan Naïve Bayes Classification Dan Wrapper Sequential Feature Selection Telemarketing Classification Using Naïve Bayes Classification And Wrapper Sequential Feature Selection,” Journal Of Information Technology And Computer Science (Intecoms), Vol. 7, No. 4, 2024.