Analisis Sentimen Pengguna Aplikasi RedBus berdasarkan Ulasan di Google Play Store menggunakan Metode Naive Bayes

Abstrak

Digitalisasi sistem transportasi mendorong adanya platform pemesanan tiket online seperti aplikasi RedBus. RedBus membantu masyarakat untuk memesan tiket dari berbagai operator bus di Indonesia. Pengguna bisa mengunduh dan melihat ulasan aplikasi RedBus melalui Google Play Store. Ulasan merupakan hal yang penting bagi pengguna maupun pengembang. Namun, terdapat pengguna yang memberikan rating tinggi tetapi memiliki ulasan bersifat negatif. Oleh karena itu, diperlukan adanya analisis ulasan pengguna untuk mengklasifikasikan ulasan tersebut ke dalam sentimen kelas positif dan negatif. Total data yang digunakan yaitu 500 ulasan dengan rincian 250 ulasan pada setiap kelas positif dan negatif. Tahap untuk melakukan klasifikasi yaitu pelabelan data manual, text preprocessing untuk mengubah data menjadi lebih terstruktur, pembobotan dengan metode TF-RF dan TF-IDF, klasifikasi menggunakan algoritma Naive Bayes, serta pengujian menggunakan confusion matrix dan k-fold cross validation. Penelitian ini membandingkan 2 metode pembobotan kata yaitu TF-RF dan TF-IDF untuk mendapatkan hasil akurasi yang optimal. Hasil akurasi terbaik yang didapatkan yaitu menggunakan rasio data latih dan data uji sebesar 90%:10% dengan pembobotan TF-IDF dan pengujian cross validation dengan nilai k=10. Rata-rata akurasi yang didapat yaitu accuracy 93.56%, precision 93.97%, recall 93.57%, specificity 94.68%, f-measure 93.53%.