Analisis Sentimen Kepuasan Pengguna Pada Ulasan Aplikasi Marketplace Menggunakan Metode BM25F dan Neighbor-Weighted K-Nearest Neighbor

Abstrak

Aplikasi mobile semakin meningkat kegunaannya, dengan semakin banyaknya aplikasi-aplikasi yang menawarkan kemudahan untuk penggunanya. Pengguna yang sudah menggunakan aplikasi berhak memberikan ulasan pengalaman mereka selama pemakaian aplikasi. Ulasan tersebut berguna untuk pengguna baru dan pengembang aplikasi. Namun belum adanya fitur pada sebuah toko aplikasi yang dapat mengelompokkan ulasan-ulasan tersebut termasuk kategori positif atau negatif. Permasalahan tersebut dapat diselesaikan dengan sebuah prosess otomatis yang dapat melakukan analisis terhadap ulasan-ulasan tersebut sesuai dengan ulasan positif maupun negatif. Metode yang digunakan untuk pemeringkatan dokumen adalah BM25F dan sebagai metode klasifikasi digunakan metode Neighbor-Weighted K-Nearest Neighbor(NWKNN). Pengujian dilakukan dengan metode K-fold Cross Validation untuk menentukan jumlah k terbaik dan confusion matrix untuk pengujian setiap parameter BM25F dan NWKNN. Berdasarkan pengujian yang dilakukan pada setiap parameter metode BM25F dan NWKNN dapat menghasilkan persentase f-measure dan accuracy mencapai 97% dan 96%. Hal ini membuktikan bahwa metode NWKNN dapat melakukan klasifikasi pada dataset dengan jumlah kelas yang tidak seimbang.