PENINGKATAN AKURASI ANALISIS SENTIMEN PADA APLIKASI LOKLOK DENGAN METODE NAÏVE BAYES
DOI:
https://doi.org/10.23960/jitet.v13i1.5848Abstract Views: 385 File Views: 134 File Views: 0 File Views: 0
Abstract
Penelitian ini berfokus pada analisis sentimen pengguna aplikasi Loklok dengan memanfaatkan ulasan yang tersedia di Google Play Store. Metode Naïve Bayes diterapkan untuk mengklasifikasikan sentimen ke dalam kategori positif, negatif, dan netral, dengan memanfaatkan teknik TF-IDF sebagai pembobot fitur guna meningkatkan akurasi model. Dataset yang digunakan terdiri dari 1.000 ulasan yang dikumpulkan melalui teknik web scraping, kemudian diproses menggunakan langkah prapemrosesan seperti tokenisasi, penghapusan kata umum (stopword), dan stemming.Downloads
References
Damuri, S., et al. (2021). Naïve Bayes for Text Classification: Implementation and Challenges. Journal of Computational Analytics, 7(4), 123-135.
Gong, L., et al. (2021). Sentiment Analysis Techniques for Global Applications: A Survey. International Journal of Machine Learning Research, 19(7), 1123-1145.
Google Play Store. (2024). Ulasan Aplikasi Loklok. Diakses dari https://play.google.com/store/apps/details?id=loklok.
Hassan, A., et al. (2019). Reproducibility in Sentiment Analysis Research: Challenges and Best Practices. Digital Repository of Computational Studies, diakses dari https://compstudies.org/repo.
Hendra, R. (2021). Sentiment Analysis Methods and Applications in Text Mining. Jakarta: Informatika Press.
Khoirul Insan, M., Umi Hayati, & Odi Nurdiawan. (2023). Analisis Sentimen Aplikasi Brimo pada Ulasan Pengguna di Google Play Menggunakan Algoritma Naïve Bayes. Journal of Information Science and Application, 10(2), 89-102.
Liu, X., et al. (2020). Preprocessing Techniques in Text Mining for Sentimen
