Analisis Sentimen Pelanggan Aplikasi Blibli Menggunakan Metode Naive Bayes Classifier

Latar Belakang: Blibli.com adalah perusahaan e-commerce berasal dari indonesia yang mempunyai komitmen memberikan pengalaman berbelanja yang aman dan nyaman. Pada suatu e-commerce data ulasan dari pengguna merupakan salah satu unsur penting dalam keberlangsungan bisnis, dari banyaknya data ulasan yang diberikan pengguna aplikasi Blibli pada Google Play Store sangat berpengaruh pada calon pengguna baru sebelum menggunakan aplikasi, Sehingga data ulasan tersebut dapat digunakan untuk melakukan analisis sentimen untuk mengetahui sentimen pengguna pada aplikasi Blibli yang hasilnya akan digunakan untuk memperbaiki dan melakukan pengembangan terhadap aplikasi Blibli.
Tujuan: Penelitian ini bertujuan untuk melakukan analisis sentimen mengenai ulasan pengguna aplikasi Blibli.
Metode Penelitian: Penelitian ini untuk melakukan analisis sentimen mengenai ulasan pengguna aplikasi Blibli pada Googe Play Store menggunakan metode NBC.
Hasil: Penelitian ini menggunakan algoritma NBC untuk melakukan analisis sentimen terhadap pengguna aplikasi Blibli di Google Play Store. Data untuk melakukan penelitian ini diambil menggunakan teknik Scraping data. Jumlah total
data yang ulasan yang didapat adalah sebanyak 1000 data. Data training yang digunakan dalam penelitian ini dibuat melalui pelabelan manual, dengan jumlah data sebanyak 600 data dengan rincian 300 data positif dan 300 data negatif.
Sedangkan untuk data testing terdiri dari 200 data ulasan, dengan 100 data berlabel positif dan 100 data berlabel negatif. Hasil dari penelitian ini menunjukkan bahwa nilai akurasi data training mencapai 74%, sementara nilai akurasi data testing mencapai 77%.
Kesimpulan: Penelitian analisis sentimen pelanggan aplikasi blibli ini menggunakan data sebanyak 1000 data ulasan yang diambil menggunakan teknik Scraping data. Data yang digunakan untuk training data sebanyak 600 data, dengan rincian 300 data berlabel positif dan 300 data berlabel negatif. Sedangkan untuk data Testing menggunakan 200 data, dengan rincian 100 data berlabel positif dan 100 data berlabel negatif. Menghasilkan data akurasi sebesar 74% untuk data training dan 77% untuk data testing.