Analisis Sentimen Ulasan Pengguna Aplikasi Atma Menggunakan Algoritma Naïve Bayes

Abstract

Pada masa ini kemajuan teknologi digital telah mendorong munculnya berbagai aplikasi pencari kerja berbasis mobile, salah satunya adalah Atma. Aplikasi ini dirancang untuk memudahkan pengguna dalam mencari lowongan pekerjaan, khususnya di sektor makanan dan minuman (F&B). Namun, beragamnya ulasan pengguna dan volume yang terus meningkat di Google Play Store membuat analisis manual menjadi lambat dan rawan subjektivitas, sehingga menyulitkan pengembang memahami kebutuhan pengguna secara akurat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Atma dengan menggunakan algoritma Naïve Bayes serta meningkatkan kinerjanya dalam mengklasifikasikan ulasan ke dalam kategori positif dan negatif. Pendekatan yang digunakan mengacu pada metode SEMMA ( Sample , Explore , Modify , Model , Assess ) dengan tahapan preprocessing teks, pembobotan menggunakan TF-IDF, dan penyeimbangan data menggunakan teknik SMOTE. Data yang dianalisis mencakup 2000 pembahasan, dan dilakukan tiga skenario pengujian berdasarkan rasio pembagian data latih dan data uji. Hasil pengujian menunjukkan bahwa akurasi algoritma meningkat secara signifikan setelah penerapan SMOTE. Akurasi tertinggi yang dicapai adalah sebesar 85,56% dengan proporsi 90% data latih dan 10% data uji. Temuan ini menunjukkan bahwa kombinasi Naïve Bayes , TF-IDF, dan SMOTE cukup efektif dalam melakukan analisis sentimen terhadap ulasan pengguna aplikasi. Penelitian ini diharapkan dapat memberikan masukan konstruktif bagi pengembang aplikasi dalam meningkatkan kualitas layanan sesuai kebutuhan pengguna.