ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MYTELKOMSEL PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES

ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MYTELKOMSEL PADA GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES

• By Sahartira, rizqi;
• Tugas Akhir
• 20
• 1

Aplikasi MyTelkomsel merupakan sebuah platform   akses digital yang menyediakan layanan terhadap telekomunikasi. Ulasan dari pelanggan mengungkapkan beberapa masalah saat menggunakan aplikasi MyTelkomsel, seperti jaringan yang buruk, ketidakefisienan setelah pembaruan, tampilan UI yang membingungkan pada versi terbaru, kuota yang tiba-tiba tidak bisa digunakan, dan sering mengalami error. Oleh karena itu, analisis sentiment terhadap  pengguna Aplikasi MyTelkomsel menjadi relevan  untuk mendapatkan  wawasan  yang  berharga bagi pengembang dan pengelolaan aplikasi. Penelitian ini berfokus pada penerapan algoritma naïveb ayes untuk menganalisis sentiment ulasan pengguna aplikasi MyTelkomsel di google play store. Algoritma naïve bayes dipilih karena efisiensi dan implementasinya yang mudah. Metode ini memiliki beberapa tahapan diataranya scrapping data, preprocessing, k-fold cross validation, dan confusion matrix. Semua tahapan ini dilakukan menggunakan rapidminer dengan data set yang terdiri dari 2000 ulasan dan setelah pembersihan data menjadi 1780 ulasan kemudian dibagi menjadi data lati dan data model sebesar 80:20 yang menghasilkan nilai accurasi 86.05%, precision 87.56%, recall 84.04%. ini membuktikan bahwa naïve bayes merupakan alat yang efektif untuk analisis sentiment terutama dalam konteks data teks yang variative dan tidak terstruktur denga mayoritas ulasan negative terhadap ulasan aplikasi MyTelkomsel

• Katakunci analisis sentiment, naïve bayes, aplikasi MyTelkomsel
• URL https://repository.bsi.ac.id/posting
• Penerbit ,

REFERENSI

[1]         R. Aryanti, A. Saepudin, T. Wahyuni, F. N. Hasan, and K. Harefa, “Pemanfaatan Internet Dalam Menunjang Kegiatan Belajar Mengajar Di Masa Pandemi Covid-19,” J. Abdimas Komun. dan Bhs., vol. 1, no. 1, pp. 19–27, 2021, doi: 10.31294/abdikom.v1i1.331.

[2]         M. Haerunnissa, A. Priyanto, C. Asnawi, and N. Alfi Sa’diya, “Analisis Sentimen Kepuasan Pelanggan Perusahaan Telekomunikasi Seluler Telkomsel di Twitter,” Teknomatika J. Inform. dan Komput., vol. 15, no. 2, pp. 68–75, 2022, doi: 10.30989/teknomatika.v15i2.1117.

[3]         R. D. Wahyuni and A. N. Utomo, “Penggunaan Metode Lexicon Untuk Analisis Sentimen pada Ulasan Aplikasi KAI Access di Google Play Store,” J. Rekayasa Inf., vol. 11, no. 2, pp. 134–145, 2022.

[4]         N. R. Wiwesa, “User Interface Dan User Experience Untuk Mengelola Kepuasan Pelanggan,” J. Sos. Hum. Terap., vol. 3, no. 2, pp. 17–31, 2021, [Online]. Available: https://scholarhub.ui.ac.id/jsht/vol3/iss2/2

[5]         S. Lestari and S. Saepudin, “Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes,” Semin. Nas. Sist. Inf. dan Manaj. Inform., pp. 163–170, 2021, [Online]. Available: https://vaksin.kemkes.go.id/

[6]         Ernianti Hasibuan and Elmo Allistair Heriyanto, “Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier,” J. Tek. dan Sci., vol. 1, no. 3, pp. 13–24, 2022, doi: 10.56127/jts.v1i3.434.

[7]         H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, “Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan,” J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.

[8]         Y. Asri, D. Kuswardani, and Listra Frigia Missianes Horhoruw, MACHINE LEARNING DAN DEEP LEARNING: Analisis Sentimen Menggunakan Ulasan

Pengguna Aplikasi. Jawa Timur: Uwais Inspirasi Indonesia, 2024.

[9]         D. Hardiansyah, R. Z. Abdul, and M. Said, “The Classification Method is Used for Sentiment Analysis in My Telkomsel,” vol. 8, no. 2, 2024.

[10]      N. Maulidah, R. Supriyadi, D. Y. Utami, F. N. Hasan, A. Fauzi, and A. Christian, “Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes,” Indones. J. Softw. Eng., vol. 7, no. 1, pp. 63–68, 2021, doi: 10.31294/ijse.v7i1.10279.

[11]      A. Fauzi and A. H. Yunial, Analisis Sentimen (Sentiment Analysis): Evaluasi Sentimen Layanan Dataset Twitter US Airline. yogyakarta: CV. Bintang Semesta Media, 2024.

[12]        N. Windy Mardiyyah, N. Rahaningsih, and I. Ali, “Penerapan Data Mining Menggunakan Algoritma K-Nearest Neighbor Pada Prediksi Pemberian Kredit Di Sektor Finansial,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1491–1499, 2024, doi: 10.36040/jati.v8i2.9010.