PENERAPAN ALGORITMA NAÏVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI ADAKAMI DI GOOGLE PLAY STORE

Abstract

Abstrak. Aplikasi pinjaman online semakin populer di Indonesia, termasuk aplikasi AdaKami yang menjadi salah satu platform keuangan digital terkemuka. Namun, ulasan pengguna di Google PlayStore menunjukkan beragam sentimen. Bagi calon pengguna, ulasan dan rating aplikasi dapat memberikan gambaran yang lebih jelas tentang pengalaman penggunaan aplikasi tersebut. Tujuan dari penelitian ini adalah untuk menganalisis sentimen ulasan pengguna terhadap aplikasi AdaKami dengan menggunakan algoritma Naive Bayes. Algoritma ini dipilih karena kemampuannya yang baik dalam mengklasifikasikan teks. Dataset yang digunakan terdiri dari ulasan pengguna dalam bahasa Indonesia yang diambil dari Google PlayStore. Proses penelitian mencakup beberapa tahapan, yaitu pengumpulan data, pemilihan data, pra-pemrosesan data (termasuk tokenisasi, penghilangan stopword, dan stemming), pembobotan teks menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen menggunakan algoritma Naive Bayes.Hasil evaluasi dari algoritma Naïve bayes dalam mengklasifikasikan sentimen ulasan pengguna AdaKami  dengan nilai akurasi 85%, presisi 92%, recall 85%, dan f1-score 89%.Hasil penelitian diharapkan dapat memberikan penilaian yang bermanfaat bagi calon pengguna mengenai persepsi umum terhadap aplikasi AdaKami, serta memberikan wawasan bagi pengembang aplikasi.

Abstract. Online lending apps are increasingly popular in Indonesia, including the AdaKami app which is one of the leading digital finance platforms. However, user reviews on Google PlayStore show mixed sentiments. For potential users, app reviews and ratings can provide a clearer picture of the app usage experience. The purpose of this study is to analyze the sentiment of user reviews of the AdaKami application using the Naive Bayes algorithm. This algorithm was chosen because of its good ability to classify text. The dataset used consists of user reviews in Indonesian taken from Google PlayStore. The research process includes several stages, namely data collection, data selection, data pre-processing (including tokenization, stopword removal, and stemming), text weighting using the Term Frequency-Inverse Document Frequency (TF-IDF) method, and sentiment classification using the Naive Bayes algorithm. The evaluation results of the Naïve Bayes algorithm in classifying the sentiment of AdaKami user reviews with an accuracy value of 85%, precision of 92%, recall of 85%, and f1-score of 89%.The results of the study are expected to provide a useful assessment for potential users regarding the general perception of the AdaKami application, as well as providing insight for application developers.