ANALISIS SENTIMEN APLIKASI EDLINK PADA APP STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN DECISION TREE

Penelitian ini berupaya mengelompokkan sentimen dari data teks. Metode yang digunakan melibatkan algoritma Naïve Bayes dan Decision Tree sebagai metode pembelajaran mesin. Data yang dipakai adalah teks opini yang telah melalui
beberapa tahapan praproses, termasuk pembersihan data, tokenisasi, normalisasi huruf, penghapusan stopword, dan stemming khusus bahasa Indonesia. Setelah praproses, data diberi label dan diproses oleh kedua algoritma tersebut untuk
membandingkan kinerjanya. Analisis sentimen pada ulasan aplikasi EdLink di AppStore melibatkan 80 data ulasan yang dikumpulkan dari tahun 2022 - 2025. Ulasan-ulasan ini telah dilabeli secara manual, menghasilkan 17 sentimen positif
dan 63 sentimen negatif. Dari total 80 data, distribusi sentimen menunjukkan 21,25% (17 data) positif dan 78,75% (63 data) negatif. Penelitian ini berhasil mengimplementasikan dua metode klasifikasi: Naïve Bayes dan Decision Tree.
Hasil untuk Decision Tree menunjukkan akurasi 46,86%, presisi 46,15%, dan recall 38,10%. Sementara itu, Naïve Bayes mencapai akurasi 79,75%, presisi 89,83%, dan recall 84,13%. Metode Naïve Bayes memiliki performa dan akurasi yang bagus karena ada ketidakseimbangan data negatif dan positif. Pasalnya pada kedua metode tersebut menggunakan operator tambahan yaitu SMOTE oversampling untuk mengatasi ketidakseimbangan kelas (imbalance class) pada dataset, namun metode Naïve Bayes lah yang memiliki performa lebih baik daripada decision tree.