Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes

Kevin Kevin; Margareta Enjeli; Andri Wijaya

doi:10.58602/jics.v2i2.24

Kevin Kevin Universitas Katolik Musi Charitas
Margareta Enjeli Universitas Katolik Musi Charitas
Andri Wijaya Universitas Katolik Musi Charitas

DOI: https://doi.org/10.58602/jics.v2i2.24

Keywords: Sentimen, Analisis; Penggunaan, Aplikasi Kinemaster, Naïve Bayes

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen terkait penggunaan aplikasi Kinemaster dengan menggunakan metode Naive Bayes. Fokus utama adalah memahami sentimen pengguna yang terungkap dari ulasan dan umpan balik terkait Kinemaster, sebuah aplikasi penyunting video yang populer. Tujuan utama adalah menerapkan teknik machine learning, khususnya klasifikasi Naive Bayes, untuk mengidentifikasi dan mengelompokkan sentimen yang terungkap dalam ulasan pengguna. Metodologi penelitian ini melibatkan pengumpulan dataset yang signifikan berupa ulasan dan umpan balik yang dihasilkan oleh pengguna terkait aplikasi Kinemaster dari berbagai platform online. Untuk mempersiapkan dataset untuk analisis, teknik preprocessing diterapkan guna membersihkan dan mempersiapkan data. Selain itu, algoritma Naive Bayes digunakan untuk mengklasifikasikan sentimen yang terungkap dalam ulasan Google Play Store sebagai positif, negatif, atau netral. Ulasan di Google Play Store terus bertambah dari hari ke hari. Oleh karena itu, perlu dilakukan analisis terhadap ulasan-ulasan tersebut melalui analisis sentimen terhadap ulasan-ulasan KineMaster. Langkah pertama dalam analisis sentimen adalah observasi, preprocessing, yaitu proses tokenisasi, stopword removal, dan stemming. Data dibagi menjadi dua bagian, yaitu data latih dan data uji, dengan perbandingan 80:20. Algoritma yang digunakan adalah Naive Bayes classifier yang memiliki akurasi 85%, presisi 82%, recall 74% dan f1 score 78%.

References

D. A. Warraihan, I. Permana, Mustakim, R. Novita, M. Afdal, and A. Marsal, “Analisis Sentimen Pengguna Transportasi Online Maxim Pada Instagram Menggunakan Naïve Bayes Classifier dan K-Nearest Neighbour,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1134–1143, 2023, doi: 10.30865/mib.v7i3.6336.

S. Hartati and H. A. SAN, “Algoritma Naive Bayes untuk Prediksi Kelulusan Mahasiswa,” J. Cakrawala Inf., vol. 2, no. 2, pp. 42–50, 2022, doi: 10.54066/jci.v2i2.234.

A. Fitriadin and A. S. Purnomo, “Analisis Sentimen Masyarakat Terhadap Pandemi Covid-19 Pada Sosial Media Menggunakan Naïve Bayes Clasifier,” INFORMAL Informatics J., vol. 8, no. 1, p. 51, 2023, doi: 10.19184/isj.v8i1.33937.

H. Sujadi, “Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Wabah Covid-19 Dengan Metode Naive Bayes Classifier Dan Support Vector Machine,” INFOTECH J., vol. 8, no. 1, pp. 22–27, 2022, doi: 10.31949/infotech.v8i1.1883.

H. Aulia Rahman, R. Santoso, and T. Widiharih, “Analisis Sentimen Pada Perusahaan Penyedia Jasa Logistik J&T Menggunakan Algoritma Multinomial Naive Bayes dan Support Vector Machine,” J. Gaussian, vol. 12, no. 2, pp. 242–253, 2023, doi: 10.14710/j.gauss.12.2.242-253.

A. Hendra and F. Fitriyani, “Analisis Sentimen Review Halodoc Menggunakan Nai ̈ve Bayes Classifier,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 78–89, 2021, doi: 10.14421/jiska.2021.6.2.78-89.

D. Rustiana and N. Rahayu, “Analisis Sentimen Pasar Otomotif Mobil: Tweet Twitter Menggunakan Naïve Bayes,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 8, no. 1, pp. 113–120, 2017, doi: 10.24176/simet.v8i1.841.

G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” INTEGER J. Inf. Technol., vol. 2, no. 1, pp. 32–41, 2017, doi: 10.31284/j.integer.2017.v2i1.95.

N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.

E. Fitri, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” J. Transform., vol. 18, no. 1, p. 71, 2020, doi: 10.26623/transformatika.v18i1.2317.

K. A. Nugraha, “Analisis Sentimen Berbasis Emoticon pada Komentar Instagram Bahasa Indonesia Menggunakan Naïve Bayes,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 3, pp. 715–721, 2021, doi: 10.28932/jutisi.v7i3.4094.

A. Nugroho, “Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive Bayes Classifier Dengan Ekstrasi Fitur N-Gram,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 2, no. 2, p. 200, 2018, doi: 10.30645/j-sakti.v2i2.83.

B. Mas Pintoko and K. Muslim, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” e-Proceeding Eng., vol. 5, no. 3, pp. 8121–8130, 2018.

R. Apriani et al., “Analisis Sentimen dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia,” J. Rekayasa Teknol. Nusa Putra, vol. 6, no. 1, pp. 54–62, 2019, [Online]. Available: https://rekayasa.nusaputra.ac.id/article/view/86

U. Dirgantara and M. Suryadarma, “Perhitungan Analisis Sentimen Berbasis Komparasi Algoritma Naive Bayes Dan K-Nearest Neighbour Berbasis Particle Swarm Optimization Pada Komentar Insiden Pembalap Motogp 2015,” J. Sist. Inf. Univ. Suryadarma, 2014, doi: 10.35968/jsi.v6i2.317.