ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI ADAKAMI DENGAN PENDEKATAN HYBRID MENGGUNAKAN ENSEMBLE STACKING NAIVE BAYES DAN SUPPORT VECTOR MACHINE

Perkembangan aplikasi mobile telah mengubah cara masyarakat mengakses layanan, dengan ulasan pengguna menjadi indikator penting dalam mengevaluasi kualitas layanan. Penelitian ini berjudul "Analisis Sentimen Ulasan Pengguna Aplikasi AdaKami dengan Pendekatan Hybrid Menggunakan Ensemble Stacking Naive Bayes dan Support Vector Machine". Tujuan dari penelitian ini adalah untuk menguji performa model hybrid yang menggabungkan algoritma Naive Bayes dan Support Vector Machine (SVM) dengan ensemble stacking dalam menganalisis sentimen ulasan pengguna aplikasi AdaKami yang diambil dari Google Play Store. Penelitian ini dibatasi pada analisis ulasan berbahasa Indonesia dengan klasifikasi sentimen positif dan negatif.Metode analisis yang digunakan dalam penelitian ini adalah pendekatan hybrid dengan teknik ensemble stacking, yang menggabungkan kekuatan dari kedua algoritma untuk meningkatkan akurasi klasifikasi sentimen. Data yang digunakan terdiri dari 3000 ulasan pengguna yang dikumpulkan melalui teknik web scraping.Hasil penelitian menunjukkan bahwa model hybrid yang dikembangkan mencapai akurasi 87.92% dan F1-Score 90.61%, yang lebih baik dibandingkan dengan penggunaan model tunggal. Naive Bayes menunjukkan keunggulan dalam recall, sedangkan SVM unggul dalam presisi. Penelitian ini memberikan kontribusi praktis bagi pengembang aplikasi dalam memahami umpan balik pengguna dan memperbaiki kualitas layanan.Kesimpulan dari penelitian ini menegaskan bahwa pendekatan hybrid melalui ensemble stacking efektif dalam meningkatkan akurasi analisis sentimen, memberikan alternatif yang lebih baik untuk memahami pandangan pengguna terhadap aplikasi AdaKami.