ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA PADA APLIKASI TRAVELOKA MENGGUNAKAN METODE NAÏVE BAYES

Muchammad Gamma Al Hakim; Faldy Irwiensyah;

ABSTRAK

Analisis Sentimen Terhadap Ulasan Pengguna Pada Aplikasi Traveloka Menggunakan Metode Naïve Bayes

Muchammad Gamma Al Hakim

Menjamurnya ulasan yang dibuat oleh pengguna di platform digital memberikan informasi yang
mendalam untuk meningkatkan layanan. Tujuan dari penelitian ini adalah untuk menerapkan
pendekatan Naïve Bayes untuk menganalisis sentimen evaluasi pengguna terhadap aplikasi
Traveloka yang bersumber dari Google Play Store. Melalui penggalian secara online, sebanyak
10.000 evaluasi berhasil dikumpulkan. Case folding, stopword elimination, tokenizing, dan
stemming merupakan beberapa teknik pra-pemrosesan yang digunakan. Berdasarkan skor ulasan,
data sentimen diklasifikasikan ke dalam dua kelompok: positif dan negatif. Selanjutnya, model
Naïve Bayes digunakan untuk klasifikasi, dan confusion matrix digunakan untuk menilai hasilnya.
Hasil penelitian menunjukkan akurasi 89,35%, presisi 88,44%, recall 95,05%, dan F1-Score
91,62%. Hasil ini menunjukkan keefektifan pendekatan Naïve Bayes dalam mengkategorikan
ulasan pengguna, memberikan Traveloka informasi penting tentang persepsi pelanggan dan cara
meningkatkan kualitas layanan mereka. Temuan dari penelitian ini diharapkan dapat menjadi dasar
untuk kemajuan di masa depan dalam analisis sentimen pada aplikasi yang berhubungan dengan
perjalanan dan akomodasi.

Kata Kunci: Analisis Sentimen; Naive Bayes; Ulasan aplikasi; Traveloka; Klasifikasi teks.

Sentiment Analysis of User Reviews on the Traveloka Application Using the Naïve Bayes Method.

Muchammad Gamma Al Hakim

The proliferation of user-generated reviews on digital platforms provides in-depth information to
improve services. The purpose of this study is to apply the Naïve Bayes approach to analyze the
sentiment of user evaluations of the Traveloka application sourced from the Google Play Store.
Through online search, 10,000 evaluations were collected. Case folding, stopword elimination,
tokenizing, and stemming are some of the pre-processing techniques used. Based on the review
scores, the sentiment data was classified into two groups: positive and negative. Furthermore, the
Naïve Bayes model was used for classification, and a confusion matrix was used to assess the
results. The results showed an accuracy of 89.35%, precision of 88.44%, recall of 95.05%, and
F1-Score of 91.62%. These results demonstrate the effectiveness of the Naïve Bayes approach in
categorizing user reviews, providing Traveloka with important information about customer
perceptions and how to improve their service quality. The findings from this study are expected to
be the basis for future advancements in sentiment analysis on travel and accommodation-related
applications.

Keywords: Sentiment Analysis; Naive Bayes; App reviews; Traveloka; Text classification