PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PADA APLIKASI KESEHATAN DIGITAL

Adanya virus Covid-19 yang menyebar hampir di seluruh dunia pada tahun 2019 yang lalu, PPKM diberlakukan di Indonesia yang membatasi aktivitas semua orang, aplikasi Halodoc menjadi salah satu aplikasi Kesehatan yang banyak digunakan Masyarakat untuk berkonsultasi Kesehatan, Namun banyak opini dari pengguna aplikasi yang mengeluhkan dan menilai baik tentang aplikasi tersebut. Namun, menyortir ulasan tersebut bisa menjadi pekerjaan yang sangat sulit karena banyaknya jumlah ulasan yang diposting di media sosial dan untuk melakukan secara manual akan memakan waktu yang cukup lama. Maka dari itu Analisis Sentimen diperlukan untuk mengklasifikasikan beberapa teks dari dokumen, kalimat atau fitur, kalimat dari fitur tersebut bisa bersifat positif, negatif, dan netral.
Penelitian ini bertujuan untuk untuk mengetahui akurasi pada ulasan dan mengetahui kinerja algoritma Naïve Bayes dalam melakukan klasifikasi analisis sentimen. Metode naïve bayes dibutuhkan dalam penelitian ini untuk mengetahui sentimen pengguna. Hasil dari analisis sentimen ini dibagi menjadi 3, yaitu : train - test 10% dengan hasil positif 94% negatif 63% netral 0% accuracy 85%, train - test 20% dengan hasil positif 93% negatif 69% netral 13% accuracy 86%, train - test 30% dengan hasil positif 92% negatif 66% netral 0.9% accuracy 84%.

Link Jurnal : https://ejournal.uniramalang.ac.id/index.php/g-tech/index