Analisis Sentimen Data Ulasan Pengguna Aplikasi “PeduliLindungi” pada Google Play Store Menggunakan Metode Naïve Bayes Classifier Model Multinomial

Abstract

Salah satu terobosan dari pemerintah Republik Indonesia dalam menangani pandemi COVID-19 adalah membuat aplikasi PeduliLindungi. Setiap pengguna baru aplikasi PeduliLindungi ingin mengetahui bagaimana respon pengguna sebelumnya sebagai bentuk evaluasi setelah menggunakan aplikasi PeduliLindungi melalui Google Play Store berupa ulasan. Oleh karena itu, perlu dilakukan penelitian analisis sentimen untuk mengetahui sentimen masyarakat terhadap aplikasi tersebut. Penelitian ini dilakukan dengan metode Naïve Bayes Classifier dengan model Multinomial. Hasil dari penelitian ini didapatkan bahwa pengguna mayoritas memberikan opini bersentimen negatif sebesar 65%, sedangkan opini sentimen positif hanya sebesar 19,08%, dan sentimen netral sebesar 15,92%. selanjutnya ulasan masyarakat yang bersentimen positif antara lain mengandung kata “bantu”, “terima”, “mohon”, “peduli”,“bagus” dan lain-lain. Sedangkan opini masyarakat yang bersentimen negatif antara lain mengandung kata “daftar”, “susah”, “buka”, “lahir”, “gagal”, dan lain-lain. Perhitungan ketepatan klasifikasi menggunakan G-Mean dan AUC karena termasuk ke dalam kategori data imbalanced. Nilai G-Mean sebesar 0,6239 menunjukkan bahwa bahwa sentimen positif dan negatif dari data ulasan pengguna aplikasi PeduliLindungi dapat diklasifikasikan secara tepat sebesar 62,39% dan nilai AUC sebesar 0,6323 yang berarti bahwa data ulasan pengguna PeduliLingungi termasuk dalam klasifikasi lemah yaitu sebesar 63,23%.

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).