Perbandingan Kinerja Model Analisis Sentimen menggunakan Metode WordNet dan Naïve Bayes pada Ulasan Aplikasi Sirekap 2024

Abstract

Perkembangan penelitian model klasifikasi sampai ranah klasifikasi sentimen yang berasal dari data teks. Penelitian terkait Machine Learning dan Natural Languange Processing (NLP) dengan menggunakan data yang berupa ulasan terhadap suatu aplikasi sebelumnya telah pernah dilakukan. Namun penelitian tersebut tidak ada yang melakukan perbandingan dengan menggunakan metode WordNet dan Naïve Bayes, sehingga dilakukanlah penelitian ini. Penelitian ini bertujuan untuk membandingkan kinerja antara dua model analisis sentimen menggunakan metode WordNet dan Naïve Bayes dengan data ulasan apikasi “Sirekap 2024”. Data yang digunakan sebanyak 8538 ulasan yang berasal dari Google Play Store dan dengan menggunakan data tersebut, kedua metode akan dievaluasi menggunakan f1-score. Hasil yang didapatkan menunjukkan bahwa Naïve Bayes memiliki nilai f1-score yang lebih baik, yaitu sebesar 33,14% dibandingkan WordNet yang memiliki nilai f1-score 17,80%.