ANALISIS SENTIMEN PADA ULASAN APLIKASI VIDEO CONFERENCE MENGGUNAKAN NAIVE BAYES

Abstract

Video conference merupakan aplikasi yang memungkinkan
pengguna untuk berkomunikasi, melakukan rapat, belajar dan
berbagi informasi. Hingga saat ini, sudah banyak aplikasi video
conference yang digunakan, seperti Zoom, Google Meet, dan
Microsoft Teams. Tentunya disetiap aplikasi terdapat ulasan
mengenai aplikasi yang digunakan. Dengan adanya ulasan, maka
pengguna lain dapat mempertimbangkan dan mengetahui lebih
jauh terkait aplikasi yang digunakan. Namun karena jumlah ulasan
di internet sangat banyak, maka diperlukan analisis sentimen
untuk dapat mengklasifikasikan ke dalam sentimen positif, netral,
atau negatif. Pada penelitian ini, sebanyak 400 data ulasan setiap
aplikasi diambil dari Play Store. Data ulasan tersebut
menggunakan Bahasa Indonesia dan diambil berdasarkan versi
aplikasi terbaru. Sebelum digunakan, data perlu dilabeli dan
dilakukan preprocessing terlebih dahulu untuk dapat melakukan
klasifikasi sentimen. Proses pengerjaannya menggunakan
pembobotan kata TF-IDF, klasifikasi Naïve Bayes, dan confusion
matrix sebagai bahan evaluasi. Nantinya data ulasan dari ketiga
aplikasi tersebut akan diproses secara terpisah. Dari hasil
pengujian analisis sentimen menggunakan 100 data uji,
didapatkan perbandingan jumlah sentimen positif antara kelas
aktual (55 ulasan Zoom, 52 ulasan Google Meet, dan 47 ulasan
Microsoft Teams) dengan kelas prediksi (90 ulasan, 76 ulasan, dan
71 ulasan). Selain itu, juga didapatkan nilai akurasi rata-rata dari
ketiga aplikasi sebesar 69%.