ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI RUANG GTK PADA GOOGLE PLAY STORE MENGGUNAKAN METODE NAÏVE BAYES

Perkembangan teknologi digital dalam bidang pendidikan mendorong pemanfaatan aplikasi sebagai sarana pendukung layanan pendidikan, salah satunya aplikasi Ruang GTK. Ulasan pengguna pada Google Play Store dapat dimanfaatkan sebagai sumber informasi untuk mengetahui persepsi pengguna terhadap kualitas layanan aplikasi. Namun, jumlah ulasan yang besar menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, diperlukan analisis sentimen untuk mengidentifikasi opini pengguna secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Ruang GTK menggunakan algoritma Naïve Bayes. Data penelitian diperoleh melalui proses web scraping pada Google Play Store. Tahapan penelitian meliputi pengumpulan data, preprocessing teks yang terdiri dari case folding, cleaning, stopword removal dan stemming, kemudian pelabelan sentimen menggunakan model RoBERTa yang telah di fine tuning untuk analisis sentimen Bahasa Indonesia. Selanjutnya dilakukan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), penanganan ketidakseimbangan data menggunakan Random Oversampling, serta proses klasifikasi menggunakan Naïve Bayes. Hasil penelitian menunjukkan bahwa model Naïve Bayes mampu mengklasifikasikan sentimen ulasan pengguna dengan tingkat akurasi sebesar 96,25%. Berdasarkan hasil evaluasi menggunakan classification report, model memperoleh nilai precision, recall dan f1-score sebesar 0,98 pada kelas sentimen positif, sedangkan pada kelas sentimen negatif diperoleh nilai precision, recall dan f1-score sebesar 0,86 setelah penerapan Random Oversampling. Hasil penelitian ini menunjukkan bahwa analisis sentimen dapat digunakan sebagai pendekatan dalam memahami persepsi pengguna serta menjadi bahan evaluasi pengembangan kualitas layanan aplikasi Ruang GTK.