PENGKLASIFIKASIAN METODE NAÏVE BAYES PADA ULASAN PENGGUNA APLIKASI DAZZCAM UNTUK PENGEDITAN FOTO VINTAGE DI APP STORE

Salsa Dwi Agistina; irwansyah;

Pengklasifikasian Metode Naïve Bayes pada Klasifikasi Ulasan Pengguna
Aplikasi Dazzcam Untuk Pengeditan Foto Vintage Di App Store
Aplikasi pengeditan foto Dazzcam semakin populer di kalangan pengguna iOS berkat fitur filter
vintage yang menarik. Namun, ulasan pengguna di App Store menjadi sumber data penting untuk
mengetahui kepuasan dan persepsi pengguna terhadap aplikasi tersebut. Ulasan pengguna di App
Store menjadi sumber data penting untuk mengetahui kepuasan dan persepsi pengguna terhadap
aplikasi tersebut. Penelitian ini bertujuan untuk mengklasifikasikan ulasan menjadi sentimen positif
dan negatif menggunakan algoritma Naïve Bayes, serta mengevaluasi performa model berdasarkan
metrik akurasi, presisi, recall, dan f1-score. Sebanyak 911 data ulasan dianalisis, dengan pembagian
data latih dan data uji sebesar 80:20. Model dievaluasi menggunakan confusion matrix setelah
melalui tahapan preprocessing dan pembobotan TF-IDF. Hasil klasifikasi menunjukkan 712
sentimen positif dan 199 sentimen negatif, dengan akurasi sebesar 79,78%, presisi 79,89%, recall
79,78%, dan f1-score 79,53%. Hasil ini menunjukkan bahwa metode Naïve Bayes cukup layak
untuk diinformasikan sebagai rekomendasi kepada pengguna yang akan memakai aplikasi tersebut.
Kata Kunci: App Store, Analisis Sentimen, Dazzcam, Naïve Bayes, TF-IDF

Classification Using the Naïve Bayes Method on User Reviews of the Dazzcam

Application for Vintage Photo Editing in the App Store

The Dazzcam photo editing application has become increasingly popular among iOS users due to
its attractive vintage filter features. However, user reviews on the App Store serve as an important
source of data to understand user satisfaction and perception of the application. This study aims to
classify the reviews into positive and negative sentiments using the Naïve Bayes algorithm, as well
as to evaluate the model’s performance based on accuracy, precision, recall, and F1-score metrics.
A total of 911 user reviews were analyzed, with an 80:20 split between training and testing data.
The model was evaluated using a confusion matrix after undergoing preprocessing and TF-IDF
weighting stages. The classification results showed 712 positive sentiments and 199 negative
sentiments, with an accuracy of 79.78%, precision of 79.89%, recall of 79.78%, and an F1-score of
79.53%. These results indicate that the Naïve Bayes method is fairly suitable to be recommended to
users who intend to use the application.
Keywords: App Store, Dazzcam, Naïve Bayes, TF-IDF, Sentiment Analysis