Analisis Sentimen Ulasan Aplikasi Livin’ by Mandiri pada Google Play Store Menggunakan Metode Naive Bayes

Ulasan pengguna pada Google Play Store memuat informasi mengenai pengalaman menggunakan Livin’ by Mandiri, tetapi jumlahnya yang besar dan bentuknya yang tidak terstruktur menyebabkan analisis manual menjadi tidak efisien. Penelitian ini bertujuan menerapkan prapemrosesan teks dan Naive Bayes untuk mengklasifikasikan ulasan ke dalam sentimen positif dan negatif serta mengevaluasi model berdasarkan accuracy, precision, recall, dan F1-score. Data penelitian terdiri atas 10.000 ulasan berbahasa Indonesia yang dikumpulkan melalui web scraping. Setelah penghapusan noise dan duplikasi konten, diperoleh 7.824 ulasan. Tahapan penelitian meliputi cleaning, case folding, tokenizing, normalisasi, stopword removal, stemming, pelabelan berbasis leksikon, pembagian data 80:20, ekstraksi fitur TF-IDF, SMOTE, dan pemodelan Naive Bayes. Penghapusan data netral menghasilkan 7.583 ulasan, yang terdiri atas 3.695 ulasan positif dan 3.888 ulasan negatif. Model Multinomial Naive Bayes terpilih menghasilkan accuracy 85,63%, precision 87,14%, recall 85,63%, dan F1-score 85,44%. Model kemudian diimplementasikan pada situs SentimenLivin AI untuk menampilkan distribusi sentimen, evaluasi model, kata dominan, dan prediksi ulasan baru. Hasil penelitian memperlihatkan bahwa Naive Bayes mampu mengklasifikasikan ulasan Livin’ by Mandiri dengan baik.