Analisis Sentimen Ulasan Aplikasi Buzzbreak Menggunakan Metode Naïve Bayes Classifier pada Situs Google Play Store

Abstract

Buzzbreak merupakan salah satu aplikasi baru yang terdaftar pada situs google play store yang dibuat pada tahun 2019 dimana aplikasi ini dapat menghasilkan uang dengan cara menukarkan point melalui hasil membaca berita dan melihat video pada laman aplikasi tersebut. Point yang telah ditukarkan dapat langsung masuk ke dalam saldo rekening pengguna terkait yang telah terdaftar. Aplikasi Buzzbreak mulai diminati pada saat Covid-19 mulai muncul di Indonesia. Hal tersebut dikarenakan aplikasi Buzzbreak membawa terobosan baru hanya dengan melihat video dan membaca berita, pengguna smartphone dapat mendapatkan uang. Aplikasi Buzzbreak mendapatkan banyak ulasan dari penggunanya baik ulasan yang ke arah positif atau negatif, sehingga hal tersebut dapat membuat pengguna baru yang ingin mengunduh kesulitan dalam menyimpulkan ulasan apakah yang paling dominan didapatkan oleh aplikasi Buzzbreak. Oleh karena itu, untuk memberikan informasi terkait dominan ulasannya positif atau negative, maka diperlukan suatu analisis yaitu menggunakan metode Naïve Bayes Classifier serta akan dilakukan juga anilisis terhadap kata-kata yang paling sering muncul dari masing-masing sentimen yang akan divisualisasikan melalui wordcloud. Ulasan didapatkan melalui crawling data pada situs google play store. Hasil yang didapatkan dari penelitian ini adalah review yang diberikan oleh pengguna Buzzbreak mengarah ke sentimen positif, serta berdasarkan visualisasi wordcloud, term yang paling sering muncul pada sentimen positif adalah “bagus” dan term yang paling sering muncul pada sentimen negatif adalah “jelek”. Hasil analisis ketepatan klasifikasi menggunakan naïve bayes classfier adalah data training dengan split ratio 70%:30% dengan nilai AUC sebesar 76,52% dan pada data testing split ratio 90%:10% di mana nilai AUC sebesar 79,34% dapat diartikan bahwa tingkat akurasi klasifikasinya sedang.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).