Implementasi Algoritma Naïve Bayes Pada Analisis Sentimen Terhadap Ulasan Aplikasi DeepL Translate Di Play Store
DOI:
https://doi.org/10.24269/jkt.v8i1.2604Keywords:
Analisis Sentimen, Algoritma Naïve Bayes, DeepL Translate, Ulasan Play StoreAbstract
Perkembangan teknologi semakin maju dengan pesat, hingga terciptanya sebuah smartphone yang didalamnya tersedia berbagai fitur-fitur canggih. Play Store merupakan layanan yang dibuat oleh Google untuk pengunduhan berbagai aplikasi, game, buku digital, film secara gratis maupun berbayar. Salah satu aplikasi yang tersedia pada Play Store adalah DeepL Translate, yang merupakan aplikasi yang bisa menerjemahkan berbagai bahasa dengan menerapkan Artificial Intelegent (AI) didalamnya. Tujuan penelitian ini yaitu untuk mengevaluasi aplikasi DeepL Translate melalui analisis sentimen pada ulasan menggunakan algoritma Naïve Bayes untuk mengetahui seberapa puas pengguna dalam menggunakan aplikasi ini. Pengambilan data ulasan dilakukan menggunakan teknik scrapping dengan Google Colab sebanyak 995 data, kemudian jumlah dataset berubah menjadi 939 ulasan setelah melalui proses preprocessing dengan data positif sebanyak 771 dan 168 untuk data negatif. Dataset kemudian diseimbangkan menggunakan SMOTE dan diklasifikasikan dengan algoritma Naïve Bayes. Algoritma ini dipakai karena menggunakan probabilitas yang sederhana dan efektif dalam mengklasifikasikan sebuah data. Hasil implementasi algoritma diperoleh accuracy sebesar 93,71%, precision sebesar 98,84%, dan recall sebesar 88,85%, dengan teknik evaluasi yang digunakan adalah confussion matrix.References
Anshor, A. H., & Safuwan, A. (2023). Analisis Sentimen Opini Warganet Twitter Terhadap Tes Screening Genose Pendeteksi Virus Covid-19 Menggunakan Metode Naïve Bayes Berbasis Particle Swarm Optimization. Jurnal Informatika Teknologi Dan Sains, 5(1), 170–178. https://doi.org/10.51401/jinteks.v5i1.2229
Antonio, V. D., Efendi, S., & Mawengkang, H. (2022). Sentiment Analysis For Covid-19 In Indonesia On Twitter With TF-IDF Featured Extraction And Stochastic Gradient Descent. Int. J. Nonlinear Anal. Appl, 13(1), 2008–6822. https://doi.org/10.22075/IJNAA.2021.5735
Azzahra, S. P., Apriyanto, Y. A., & Wijaya, A. (2023). Analisis Sentimen Ulasan Aplikasi Deepl Pada Google Play Dengan Metode Support Vector Machine (Svm). Jurnal Sistem Informasi (JUSIN), 4(2), 59–66. https://doi.org/10.32546/jusin.v4i2.2368
Beinecke, J., & Heider, D. (2021). Gaussian Noise Up-Sampling Is Better Suited Than SMOTE And ADASYN For Clinical Decision Making. BioData Mining, 14(1), 49. https://doi.org/10.1186/s13040-021-00283-6
Komarudin, A., & Hilda, A. M. (2024). Analisis Sentimen Ulasan Aplikasi Identitas Kependudukan Digital Pada Play Store Menggunakan Metode Naïve Bayes. Computer Science (CO-SCIENCE), 4(1), 28–36. https://doi.org/10.31294/coscience.v4i1.2955
Mahran, Z. A., & Sebyar, M. H. (2023). Pengaruh Peraturan Menteri Perdagangan (PERMENDAG) Nomor 31 Tahun 2023 terhadap Perkembangan E-commerce di Indonesia Muhamad Hasan Sebyar. Jurnal Ilmu Hukum Dan Sosial, 1(4), 51–67. https://doi.org/10.51903/hakim.v1i4.1440
Muflih, H. Z., Al Assyam, H. D., Pangestu, F. A., & Kamayani, M. (2023). Analisis Sentimen Terhadap Ulasan Penggunaan Shopee Melalui Tweet Pada Twitter Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Informatika Dan Komputer, 2(2), 67–74. https://doi.org/10.22236/jutikom.v2i2.12199
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 697–711. https://doi.org/10.30645/j-sakti.v5i2.369
Puspita, R., & Widodo, A. (2021). Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS. Jurnal Informatika Universitas Pamulang, 5(4), 646–654. https://doi.org/10.32493/informatika.v5i4.7622
Rahayu, A. S., Fauzi, A., & Rahmat, R. (2022). Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Spotify. Jurnal Sistem Komputer Dan Informatika (JSON), 4(2), 349–354. https://doi.org/10.30865/json.v4i2.5398
Rozalinna, G. M., Anwar, V. L. N., & Dewi, P. N. (2022). Big Data Dan Sentimen Analisis Twitter Dalam Bingkai Pemindahan Ibu Kota Negara. Konferensi Nasional Sosiologi IX APSSI 2022 Balikpapan, 1(1), 389–393. https://www.pkns.portalapssi.id/index.php/pkns/article/view/64
Tuntun, R., Kusrini, K., & Kusnawi, K. (2022). Analisis Perbandingan Kinerja Algoritma Klasifikasi dengan Menggunakan Metode K-Fold Cross Validation. Jurnal Media Informatika Budidarma, 6(4), 2111. https://doi.org/10.30865/mib.v6i4.4681
Yousef, M., & ALali, A. (2022). Analysis And Evaluation Of Two Feature Selection Algorithms In Improving The Performance Of The Sentiment Analysis Model Of Arabic Tweets. International Journal of Advanced Computer Science and Applications, 13(6), 705–711. https://doi.org/10.14569/IJACSA.2022.0130683
Yunita, R., & Kamayani, M. (2023). Perbandingan Algoritma SVM Dan Naïve Bayes Pada Analisis Sentimen Penghapusan Kewajiban Skripsi. Indonesian Journal of Computer Science, 12(5), 2879–2890. https://doi.org/10.33022/ijcs.v12i5.3415
