ALGORITMA NAIVE BAYES UNTUK MENINGKATKAN AKURASI MODEL KLASIFIKASI ANALISIS SENTIMEN PADA APLIKASI QUORA

Emha Caraka; Nana Suarna; Irfan Ali; Dodi Solihudin

Authors

Emha Caraka STMIK IKMI Cirebon, Indonesia
Nana Suarna STMIK IKMI Cirebon, Indonesia
Irfan Ali STMIK IKMI Cirebon, Indonesia
Dodi Solihudin STMIK IKMI Cirebon, Indonesia

Keywords:

Naive Bayes, K-Means Clustering, Analisis Sentimen, Quora, Google Play Store

Abstract

Penelitian ini bertujuan meningkatkan akurasi model klasifikasi analisis sentimen pada ulasan pengguna aplikasi Quora di Google Play Store menggunakan algoritma Naive Bayes dan K-Means Clustering. Dataset terdiri dari 5000 ulasan berbahasa Indonesia yang dikumpulkan melalui scraping, diolah dengan preprocessing, pembobotan TF-IDF, clustering, dan klasifikasi menggunakan Python di Google Colab. Evaluasi model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score untuk memastikan kinerja yang optimal. Hasil evaluasi menunjukkan akurasi model sebesar 97%, dengan presisi dan recall masing-masing mencapai 95% untuk sentimen negatif dan 99% untuk sentimen positif. Algoritma Naive Bayes terbukti efektif dalam menangani data berjumlah besar dan beragam, meskipun tantangan seperti ketidakseimbangan data dan variasi gaya bahasa tetap ada. Proses analisis ini juga melibatkan tahapan clustering menggunakan algoritma K-Means untuk membantu mengelompokkan data ulasan ke dalam dua kategori sentimen, yaitu positif dan negatif, sehingga meminimalkan kebutuhan pelabelan manual. Kombinasi algoritma ini mampu memberikan hasil yang konsisten dan representatif dalam pengolahan data teks yang kompleks. Penelitian ini memberikan kontribusi penting dalam pengembangan metode analisis sentimen berbasis pembelajaran mesin dan membantu pengembang aplikasi memahami kebutuhan serta kepuasan pengguna secara lebih baik. Selain itu, hasil penelitian ini dapat menjadi referensi bagi peneliti lain untuk mengoptimalkan algoritma Naive Bayes dalam konteks analisis sentimen pada platform berbasis komunitas seperti Quora. Model yang dikembangkan diharapkan mampu memberikan informasi yang lebih akurat untuk mendukung pengambilan keputusan berbasis data.

References

N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, “Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 47–54, 2022, doi: 10.57152/malcom.v2i1.195.

S. H. W. Putra and D. Febriawan, “Analisis Sentimen Ulasan Aplikasi Digital Korlantas POLRI Menggunakan Naïve Bayes pada Google Play Store,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 4, pp. 1962–1971, 2024, doi: 10.30865/klik.v4i4.1600.

F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” J. Sains dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331.

H. Z. Muflih, A. R. Abdillah, and F. N. Hasan, “Analisis Sentimen Ulasan Pengguna Aplikasi Ajaib Menggunakan Metode Naïve Bayes,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 3, pp. 1613–1621, 2023, doi: 10.30865/klik.v4i3.1303.

S. Juanita, “Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes,” J. Media Inform. Budidarma, vol. 4, no. 3, p. 552, 2020, doi: 10.30865/mib.v4i3.2140.

Y. Firmansyah, R. Kurniawan, and Y. A. Wijaya, “Analisis Data Sentimen Pemain Game Role-Playing Game (RPG) Honkai Star Rail dengan Algoritma Naive Bayes,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 6, no. 1, pp. 127–135, 2024.

S. I. Nurhafida and F. Sembiring, “Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM),” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 317–327, 2022.

D. Nurwahidah, G. Dwilestari, N. Dienwati Nuris, and R. Narasati, “Analisis Sentimen Data Ulasan Pengguna Aplikasi Google Kelas Pada Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3673–3678, 2024, doi: 10.36040/jati.v7i6.8245.

V. A. Permadi, “Analisis Sentimen Menggunakan Algoritma Naive Bayes Terhadap Review Restoran di Singapura,” J. Buana Inform., vol. 11, no. 2, pp. 141–151, 2020, doi: 10.24002/jbi.v11i2.3769.

D. Purnamasari et al., Pengantar Metode Analisis Sentimen. 2023.

R. Anita, “Perbedaan Klasifikasi dan Clustering,” binus.ac.id. Accessed: Dec. 26, 2024. [Online]. Available: https://binus.ac.id/malang/2022/09/perbedaan-klasifikasi-dan-clustering/

Y. R. R. Iqbar Sajidan Widianto and M. A. K. Komara, “Analisis sentimen e-wallet gopay, shopeepay, dan ovo menggunakan algoritma naive bayes,” vol. 12, no. 3, 2024.

A. Y. R. Shinta Nilam Sari Muslim, Firman Nurdiansyah, “PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT,” J. Inform. dan Teknol., vol. 2, no. 3, pp. 61–69, 2024.

D. Surya Sayogo, B. Irawan, and A. Bahtiar, “Analisis Sentimen Ulasan Instagram Di Google Play Store Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3314–3319, 2024, doi: 10.36040/jati.v7i6.8178.

D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.