Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile
Yessy Asri, Widya Nita Suliyanti, Dwina Kuswardani, Muhamad Fajri
Abstract
PT PLN (Persero) mengembangkan aplikasi PLN Mobile untuk menyediakan layanan kelistrikan melalui aplikasi mobile. Ulasan di Google Play Store diberi peringkat dari 1 hingga 5, tetapi pengguna sering memberikan peringkat yang tidak sesuai dengan ulasan mereka, jadi ini tidak cukup menggambarkan kualitas aplikasi. Aplikasi PLN Mobile berisi begitu banyak ulasan atau data ulasan yang membaca semuanya akan sulit dan memakan waktu. Sistem klasifikasi digunakan untuk mengukur sentimen publik. Analisis sentimen dilakukan terhadap 1000 sampel review yang dikumpulkan melalui PLN Mobile App antara Januari hingga Juni 2022. Langkah-langkah dalam penelitian ini dilakukan dengan meninjau teknik pengumpulan data seperti web scraping, machine translation, data labeling, text preprocessing, TF-IDF , klasifikasi teks, dan evaluasi model. Hasil untuk pendekatan klasifikasi teks berbasis Lexicon, yang akan menggunakan pendekatan berbasis kamus Vader Lexicon, adalah 489 sentimen positif, 145 sentimen negatif, dan 366 netral. Berdasarkan hasil perbandingan kelas positif, netral, dan negatif terhadap 1000 sampel data dari Vader Lexicon, kelas positif mendapat rating 67%, kelas netral mendapat rating 6%, dan kelas negatif mendapat rating. dari 27%. Metode Naive Bayes juga digunakan dalam proses klasifikasi. Untuk distribusi data uji dan data latih, penulis menggunakan rasio data split 90:10. Proses evaluasi matriks konfusi memiliki tingkat akurasi 70%.