PENINGKATAN MODEL KLASIFIKASI SENTIMEN PENGGUNA APLIKASI TOMORO COFFEE MENGGUNAKAN ALGORITMA NAÏVE BAYES

Authors

  • Dina Audina STMIK IKMI Cirebon
  • Ade Irma Purnamasari STMIK IKMI Cirebon
  • Agus Bahtiar STMIK IKMI Cirebon
  • Edi Tohidi STMIK IKMI Cirebon

Keywords:

Analisis Sentimen, Naive Bayes, TF-IDF, Tomoro Coffee, Ulasan Pengguna

Abstract

Kemajuan teknologi informasi telah merevolusi cara bisnis berinteraksi dengan pelanggan melalui aplikasi mobile, termasuk dalam sektor makanan dan minuman. Aplikasi Tomoro Coffee menghadapi tantangan dalam mempertahankan kepuasan pengguna akibat keterbatasan fitur dan masalah teknis. Penelitian ini bertujuan untuk menerapkan algoritma Naïve Bayes guna meningkatkan model klasifikasi sentimen ulasan pengguna, menganalisis distribusi sentimen positif dan negatif beserta faktor utama yang memengaruhinya, serta mengevaluasi performa model berdasarkan akurasi, presisi, recall, dan F1-score. Data ulasan dikumpulkan dari Google Play Store dan diolah menggunakan metode Knowledge Discovery in Database (KDD), yang mencakup pembersihan data, tokenisasi, penghapusan stopword, stemming, serta ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi sebesar 90%, dengan presisi 91,3%, recall 87,3%, dan F1-score 88,7%. Temuan ini memberikan wawasan strategis bagi pengembang aplikasi dalam meningkatkan layanan dan fitur berdasarkan analisis sentimen pengguna. Dari hasil analisis, 64,4% ulasan tergolong positif, didominasi oleh komentar seperti "kopinya enak", sementara 35,6% ulasan negatif umumnya berisi keluhan teknis, seperti "tidak tersedia".

References

M. F. El Firdaus, N. Nurfaizah, and S. Sarmini, “Analisis Sentimen Tokopedia Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 5, p. 1329, 2022, doi: 10.30865/jurikom.v9i5.4774.

A. L. D. tavares Duarte and Eddy Nurraharjo, “Analisis Sentimen Dan Klasifikasi Tweet Terkait Naiknya Kasus Omicron Menggunakan Naive Bayes Classifier,” J. Inform. dan Rekayasa Elektron., vol. 6, no. 1, pp. 1–8, 2023, doi: 10.36595/jire.v6i1.779.

D. Abror, “Analisis Sentimen Review Aplikasi PeduliLindungi Menggunakan Seleksi Fitur Information Gain Berbasis SVM,” Indones. J. Softw. Eng., vol. 9, no. 1, pp. 1–8, 2023, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ijse

D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.

S. N. Salsabila, B. N. Sari, and R. Mayasari, “Klasifikasi Ulasan Pengguna Aplikasi Discord Menggunakan Metode Information Gain Dan Naïve Bayes Classifier,” INFOTECH J., vol. 9, no. 2, pp. 383–392, 2023, doi: 10.31949/infotech.v9i2.6277.

M. K. Insan, U. Hayati, and O. Nurdiawan, “ANALISIS SENTIMEN APLIKASI BRIMO PADA ULASAN PENGGUNA DI,” vol. 7, no. 1, pp. 478–483, 2023.

Meliyawati and F. N. Hasan, “Analisis Sentimen Pengguna Aplikasi CapCut Pada Ulasan di Play Store Menggunakan Metode Naïve Bayes,” Media Online, vol. 4, no. 4, pp. 2272–2280, 2024, doi: 10.30865/klik.v4i4.1555.

E. H. Muktafin and E. T. Luthfi, “Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing,” pp. 32–42, 2020, doi: 10.30864/eksplora.v10i1.390.

S. A. Helmayanti, F. Hamami, and R. Y. Fa’rifah, “Penerapan Algoritma Tf-Idf Dan Naïve Bayes Untuk Analisis Sentimen Berbasis Aspek Ulasan Aplikasi Flip Pada Google Play Store,” J. Indones. Manaj. Inform. dan Komun., vol. 4, no. 3, pp. 1822–1834, 2023, doi: 10.35870/jimik.v4i3.415.

A. Nurian, B. N. Sari, U. S. Karawang, and T. Timur, “Analisis sentimen ulasan pengguna aplikasi google play menggunakan naïve bayes,” vol. 11, no. 3, pp. 829–835, 2023.

M. Iqbal Zakasih and W. Tri Handoko, “Analisis Sentimen Pengguna Twitter Tentang Nft (Non Fungible Token) Dengan Metode Naive Bayes Classifier,” J. Inform. dan Rekayasa Elektron., vol. 5, no. 2, pp. 221–229, 2022, doi: 10.36595/jire.v5i2.694.

S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 10–19, 2023, doi:

57152/malcom.v4i1.983.

S. A. Saputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analysis of E-Wallet Sentiments on Google Play Using the Naive Bayes Algorithm Based on Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2021, doi: 10.29207/resti.v3i3.1118.

E. B. Susanto, P. A. Christianto, M. R. Maulana, and S. W. Binabar, “Jurnal Computer Science and Information Technology ( CoSciTech ) samsat jawa tengah Performance analysis of the naïve bayes algorithm on the sentiment dataset of central java samsat NEWSAKPOLE applications,” vol. 3, no. 3, 2022.

A. I. Tanggraeni, M. N.N, and Sitokdana, “Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes,” vol. 9, no. 2, pp. 785–795, 2022.

Downloads

Published

2025-04-15

How to Cite

1.
Dina Audina, Ade Irma Purnamasari, Agus Bahtiar, Edi Tohidi. PENINGKATAN MODEL KLASIFIKASI SENTIMEN PENGGUNA APLIKASI TOMORO COFFEE MENGGUNAKAN ALGORITMA NAÏVE BAYES. JIRE [Internet]. 2025 Apr. 15 [cited 2025 Jul. 11];8(1):112-21. Available from: https://www.e-journal.stmiklombok.ac.id/index.php/jire/article/view/1529