Analisis Sentimen Ulasan Pengguna Aplikasi Netflix Pada Google Play Menggunakan Algorima Naïve Bayes

Faldy Irwiensyah; Ananda Bagas Pranata;

ABSTRAK

Analisis Sentimen Ulasan Pengguna Aplikasi Netflix Pada Google Play Menggunakan Algoritma Naïve Bayes

Ananda Bagas Pranata

Penelitian ini berfokus untuk mengidentifikasi tingkat kepuasan pengguna terhadap aplikasi netflix
berdasarkan ulasan di google play store. Adanya penelitian ini ditujukan untuk menganalisis sentimen
ulasan pengguna suatu aplikasi yang ada di google play yaitu netflix. Ulasan tersebut akan peneliti
gunakan untuk mengetahui seberapa puas pengguna dalam menggunakan aplikasi netflix. Peneliti
mendapatkan ulasan tersebut dengan menggunakan web scrapper python dengan jumlah 1000 data yang
belum peneliti olah. Setelah peneliti mengolah 1000 data tersebut dari duplikat dan simbol-simbol,
peneliti memperolah 893 data yang siap untuk dilakukan proses sentimen analisis menggunakan
RapidMiner. Dari 893 data, peneliti melakukan pelabelan manual pada data sebanyak 635 data dan 258
data dilabeli dengan otomatis menggunakan machine learning yaitu naive bayes. Peneliti juga membuat
confussion matrix untuk mengetahui tingkat keakuratan algoritma yang peneliti gunakan pada penelitian
kali ini. Hasil keakuratan confussion matrix yang peneliti dapat pada penelitian ini sebesar 93,39%. Nilai
class precision positif sebesar 85,52% menunjukkan bahwa sebagian besar ulasan positif teridentifikasi
dengan baik, sementara nilai class precision negatif sebesar 100% menunjukkan kemampuan yang
sangat baik dalam mengidentifikasi ulasan negatif. Kesimpulannya, aplikasi Netflix mendapatkan
respon yang beragam dari pengguna, dan algoritma yang digunakan mampu mengidentifikasi ulasan
dengan akurat.

Kata Kunci: Analisis Sentimen; Naive Bayes; Netflix; RapidMiner; Google Play Store

Sentiment Analysis of Netflix App User Reviews on Google Play Using Naïve Bayes Algorithm

Ananda Bagas Pranata

This research focuses on identifying user satisfaction levels with the Netflix app based on reviews from
the Google Play Store. The study aims to analyze the sentiment of user reviews for the Netflix app
available on Google Play. The researcher will use these reviews to determine how satisfied users are
with the Netflix app. The reviews were obtained using a Python web scraper, collecting 1000
unprocessed data points. After processing these 1000 data points to remove duplicates and symbols, the researcher obtained 893 data points ready for sentiment analysis using RapidMiner. Out of the 893 data
points, the researcher manually labeled 635 data points, while 258 data points were automatically
labeled using the Naïve Bayes machine learning algorithm. The researcher also created a confusion
matrix to determine the accuracy of the algorithm used in this study. The accuracy result from the
confusion matrix in this study was 93.39%. The positive class precision value of 85.52% indicates that
most positive reviews were accurately identified, while the negative class precision value of 100%
demonstrates excellent ability in identifying negative reviews. In conclusion, the Netflix app received
mixed responses from users, and the algorithm used was able to identify the reviews accurately.

Keywords: Sentiment Analysis; Naïve Bayes; RapidMiner; Google Play Store