PENGKLASIFIKASIAN SENTIMEN USER REVIEW APLIKASI KAI ACCESS MENGGUNAKAN METODE NAIVE BAYES

Rafi Andi Hidayah

Informasi Umum

Kode

24.04.851

Klasifikasi

001 - Knowledge, history, description, critical appraisal of intellectual activity in general, discussion of ideas from many fields

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Sistem Informasi

Informasi Lainnya

Abstraksi

KAI Access adalah aplikasi pemesanan tiket kereta api yang memberikan kemudahan dan fitur unggulan bagi pengguna. Aplikasi KAI Access mendapatkan penilaian 2.4 dari 5 bintang pada Play Store yang menunjukkan adanya kurangnya kepuasan pengguna. Penelitian ini merupakan penelitian kuantitatif tentang analisis sentimen yang mengekstrak sentimen user aplikasi KAI Access pada sosial media twitter. Pada penelitian ini menggunakan metode CRISP-DM. Dalam penelitian ini, mengambil data dari twitter menggunakan tool Tweepy, berhasil mengumpulkan sekitar 4000 tweet selama periode Juni hingga Agustus. Data yang terkumpul kemudian melalui tahap preprocessing, yang penting untuk memastikan kualitas dan keakuratan analisis selanjutnya. Proses preprocessing ini mencakup beberapa langkah seperti penghapusan duplikasi tweet, juga menghilangkan retweet untuk memastikan uniknya setiap data, serta menghapus emoticon dan elemen non-teks lainnya yang dapat mengganggu proses analisis. Selanjutnya pada tahap modeling menggunakan algoritma Multinomial Naive Bayes Classifier dengan nilai akurasi mencapai 84.6%. Meskipun demikian, model menunjukkan performa yang lebih baik dalam mengidentifikasi ulasan negatif dengan precision 0.96, recall 0.86, dan f1-score 0.91. Sementara itu, identifikasi ulasan positif memiliki performa yang lebih rendah, dengan precision 0.41, recall 0.75, dan f1-score 0.53. Hasil penelitian ini memberikan pemahaman lebih lanjut terkait rating rendah yang diberikan kepada KAI Access, khususnya dalam konteks ulasan pengguna. Dengan menggunakan sistem klasifikasi ini, diharapkan pengembang dapat merancang perbaikan yang lebih spesifik untuk meningkatkan pengalaman pengguna, terutama dalam menangani ulasan positif yang memiliki potensi untuk peningkatan kinerja. Kata Kunci: Analisis Sentimen, KAI Access, Naive Bayes, CRISP-DM