Analisis sentimen data ulasan pengguna aplikasi "PeduliLindungi" pada Google Play Store menggunakan metode naive bayes classifier model multinomial

Annisa, Zahtira (2022) Analisis sentimen data ulasan pengguna aplikasi "PeduliLindungi" pada Google Play Store menggunakan metode naive bayes classifier model multinomial. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10611810000090-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pemerintah Republik Indonesia telah melakukan berbagai macam cara untuk menangani penyebaran virus COVID-19\. Salah satu terobosan dari pemerintah Republik Indonesia adalah membuat aplikasi PeduliLindungi. Aplikasi ini digunakan sebagai surveilans kesehatan oleh pemerintah dalam menangani penyebaran COVID-19 dan mengandalkan kontribusi masyarakat untuk saling membagikan data lokasinya. Setiap pengguna baru aplikasi PeduliLindungi ingin mengetahui bagaimana respons pengguna sebelumnya sebagai bentuk evaluasi setelah menggunakan aplikasi PeduliLindungi melalui Google Play Store berupa ulasan. Oleh karena itu, perlu dilakukan penelitian analisis sentimen pada data ulasan aplikasi PeduliLindungi untuk mengetahui sentimen masyarakat terhadap aplikasi tersebut. Penelitian ini dilakukan dengan metode Naïve Bayes Classifier dengan model Multinomial. Naïve Bayes Classifier (NBC) merupakan metode klasifikasi yang efektif dan efisien. Algoritma NBC bertujuan untuk menentukan kelas yang paling optimal, mengklasifikasikan, serta menghitung peluang dari suatu kelas yang mempunyai masing-masing kelompok tertentu. Penelitian ini dilakukan agar dapat memberikan informasi sebagai bahan evaluasi bagi pihak Pemerintah Republik Indonesia dan Kementerian Komunikasi dan Informatika (KOMINFO). Hasil dari penelitian ini didapatkan bahwa pengguna mayoritas memberikan opini bersentimen negatif sebesar 65%, sedangkan opini bersentimen positif hanya sebesar 19,08% dan sentimen netral sebesar 15,92%. Selanjutnya, ulasan masyarakat yang bersentimen positif antara lain mengandung kata “bantu”, “terima”, “mohon”, “peduli”, “bagus”, dan lain-lain. Sedangkan opini masyarakat yang bersentimen negatif antara lain mengandung kata “daftar”, “susah”, “buka”, “lahir”, “gagal”, dan lain-lain. Perhitungan ketepatan klasifikasi menggunakan G-Mean dan AUC karena termasuk ke dalam kategori data _imbalanced_, yaitu salah satu kelas memiliki proporsi kurang dari 35%. Nilai G-Mean sebesar 0,6239 menunjukkan bahwa sentimen positif dan negatif dari data ulasan pengguna aplikasi PeduliLindungi dapat diklasifikasikan secara tepat sebesar 62,39%, sedangkan nilai AUC sebesar 0,6323 menunjukkan bahwa data ulasan pengguna PeduliLindungi termasuk dalam klasifikasi lemah, yaitu sebesar 63,23%.
================================================================================================================================
The Government of the Republic of Indonesia has taken various measures to deal with the spread of the COVID-19 virus. One of the breakthroughs introduced by the Government of the Republic of Indonesia is the PeduliLindungi application. This application is used as a health surveillance tool by the government to address the spread of COVID-19 and relies on community contributions to share location data with one another. Every new user of the PeduliLindungi application wants to know the responses of previous users as a form of evaluation after using the PeduliLindungi application through reviews on the Google Play Store. Therefore, it is necessary to conduct sentiment analysis research on review data from the PeduliLindungi application to determine public sentiment toward the application. This research was conducted using the Naïve Bayes Classifier method with the Multinomial model. The Naïve Bayes Classifier (NBC) is an effective and efficient classification method. The NBC algorithm aims to determine the most optimal class, perform classification, and calculate the probability of a class with specific characteristics. This research was conducted to provide information as evaluation material for the Government of the Republic of Indonesia and the Ministry of Communication and Information (KOMINFO). The results of this study showed that the majority of users expressed negative sentiments at 65%, while positive sentiments accounted for only 19.08%, and neutral sentiments accounted for 15.92%. Furthermore, reviews with positive sentiments included words such as "help", "accept", "please", "care", "good", and others. Meanwhile, reviews with negative sentiments included words such as "register", "difficult", "open", "born", "failed", and others. Classification accuracy was calculated using G-Mean and AUC because the data were categorized as imbalanced, with one class having a proportion of less than 35%. The G-Mean value of 0.6239 indicates that positive and negative sentiments from user review data of the PeduliLindungi application could be classified correctly at 62.39%, while the AUC value of 0.6323 indicates that the user review data of the PeduliLindungi application falls into the weak classification category, with a value of 63.23%.

Item Type:	Thesis (Other)
Additional Information:	519.53 Ann a-1
Uncontrolled Keywords:	Analisis Sentimen, Google Play Store, Multinomial, Naïve Bayes Classifier, PeduliLindungi, Sentiment Analysis, Google Play Store, Multinomial, Naïve Bayes Classifier, PeduliLindungi
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	magang .
Date Deposited:	06 Oct 2026 06:40
Last Modified:	06 Oct 2026 06:40
URI:	http://repository.its.ac.id/id/eprint/145327

Actions (login required)

View Item