Analisis Sentimen Pengguna Aplikasi Kitalulus pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes

Abstract

Dalam beberapa tahun ini, masalah yang signifikan terkait dengan lowongan kerja yang sedang ramai terjadi di berbagai negara di seluruh dunia. Latar belakang utama dari fenomena ini tingginya tingkat pengangguran di beberapa wilayah, meskipun ada peningkatan ekonomi yang terjadi. Dalam era digital ini, ulasan pengguna di Google Play Store tidak hanya sekadar menyampaikan kesan individual, tetapi juga menjadi sumber informasi berharga bagi calon pengguna untuk memilih aplikasi yang sesuai dengan kebutuhan mereka.Ulasan pengguna merupakan salah satu bentuk timbal balik dari pengguna yang sepatutnya dianalisis oleh pihak pengembang agar dapat digunakan sebagai dasar pengembangan aplikasi. Analisis sentimen dapat dilakukan dengan pendekatan klasifikasi. Analisis sentimen dari ulasan pengguna dapat menjadi salah satu cara untuk mengetahui sentimen pengguna terhadap aplikasi. Penelitian ini bertujuan untuk menganalisis ulasan pada aplikasi kitalulus. Metode yang digunakan Naïve Bayes dengan Algoritma Multinomial Naïve Bayes. Dari hasil penelitian dapat disimpulkan terdapat analisis sentimen pengguna aplkasi KitaLulus ke dalam kategori positif dan negatif yang diambil melalui scraping dari bulan Oktober 2023 hingga Februari 2024 sebanyak 2.277 data ulasan dan diberi label positif dan negatif. Didapatkan prediksi klasifikasi sentimen pada data testing didapatkan hasil positif sebanyak 2094 dan sentimen negatif sebanyak 183 data ulasan, dan hasil klasifikasi dari metode naïve bayes didapat hasil accuracy 94%, precision 70%, dan tingkat keberhasilan (recall) 45%.