ANALISIS SENTIMEN ULASAN GOOGLE REVIEW TRAVEL QYTA TRANS MENGGUNAKAN METODE NAÏVE BAYES DENGAN OPTIMASI PSO

Qyta Trans adalah layanan transportasi darat yang menjadi objek penelitian ini. Banyaknya ulasan yang tersedia menimbulkan kendala karena belum adanya sistem otomatis yang mampu mengklasifikasikan sentimen secara akurat, sehingga evaluasi layanan masih dilakukan secara manual. Penelitian ini bertujuan untuk menganalisis sentimen dari ulasan yang diberikan oleh pengguna terhadap layanan Qyta Trans menggunakan metode Naïve Bayes dengan optimasi Particle Swarm Optimization (PSO). Variabel yang diteliti meliputi sentimen positif dan negatif dari ulasan. Penelitian ini dilakukan dengan mengumpulkan data ulasan dari Google Review yang terdapat pada Google Maps Qyta Trans sebanyak 568 data review yang diambil dari periode Juli 2016 hingga Juli 2025. Proses analisis meliputi web scrapping, pelabelan otomatis menggunakan model transformer (DistilBERT), dan preprocessing text yang mencakup cleaning, case folding, tokenizing, stopwords, dan pembobotan TF-IDF. Hasil evaluasi menunjukkan bahwa model klasifikasi Naïve Bayes dengan optimasi PSO mencapai akurasi sebesar 80%. Model ini memiliki precision 79%, recall 70%, dan F1-Score 74% untuk sentimen negatif, serta precision 80%, recall 87%, dan F1-Score 83% untuk sentimen positif. Kesimpulan dari penelitian ini adalah bahwa model Naïve Bayes yang dioptimalkan dengan PSO lebih efektif dalam mengidentifikasi ulasan positif dibandingkan ulasan negatif.