Analisis Sentimen Terhadap Aplikasi KitaLulus Menggunakan Metode Naive Bayes dari Ulasan Google Play Store

Aplikasi pencarian pekerjaan seperti KitaLulus menjadi penting untuk membantu lulusan menemukan pekerjaan sesuai dengan keahlian dan minat dan bakat mereka. Analisis sentimen diperlukan untuk memahami pandangan pengguna terhadap aplikasi KitaLulus. Metode Naive Bayes digunakan dalam analisis ini karena efisiensinya dan akurasi tinggi dalam klasifikasi sentimen. Penelitian ini memanfaatkan 597 data ulasan yang diambil dari bulan Mei 2024 ulasan pengguna aplikasi di dalam google play store dengan metode web scraping menggunakan library google-play-scraper. Pengolahan analisis sentimen pada dataset diberi label positif, netral, dan negatif. Data diolah menggunakan metode naive bayes berhasil mencapai tingkat akurasi sebesar 91%. Hasil evaluasi menunjukkan bahwa presisi, recall, dan f1-score untuk sentimen positif berturut-turut adalah 0.99, 0.94, dan 0.97. Di sisi lain, kinerja model lebih rendah pada sentimen negatif dan netral. Hasil analisis sentimen positif menunjukan bahwa aplikasi KitaLulus telah diterima dan mendapatkan ulasan baik oleh para penggunanya. Penelitian ini bertujuan untuk meningkatkan pemahaman terhadap sentimen pengguna terhadap aplikasi KitaLulus dan memberikan kontribusi berharga bagi pengembang dalam usaha meningkatkan kualitas aplikasi tersebut.

https://ejournal.poltekharber.ac.id/index.php/smartcomp/index