Penerapan metode multinomial naive bayes classifier dalam analisis sentimen ulasan aplikasi mitra transportasi online
Transportasi online memiliki peran penting dalam mobilitas masyarakat modern, tidak hanya memudahkan pengguna tetapi juga menjadi sumber penghasilan bagi mitra pengemudi. Sebagai penyedia layanan, mitra memiliki pengalaman langsung terhadap fitur aplikasi serta kebijakan platform yang memengaruhi pekerjaan mereka. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen ulasan mitra dan memahami persepsi mereka terhadap layanan yang digunakan. Penelitian ini menggunakan metode Multinomial Naive Bayes untuk klasifikasi sentimen berdasarkan ulasan aplikasi mitra di Google Play Store. Data diproses melalui tahap preprocessing, menggunakan Term Frequency Inverse Document Frequency dan diklasifikasikan menjadi sentiment positif atau negatif. Hasil menunjukkan bahwa 50.2% ulasan bersentimen negatif, mengindikasikan permasalahan seperti sistem pemesanan, penurunan pendapatan & kebijakan yang dianggap merugikan mitra sedangkan 49.8% ulasan positif mencerminkan kepuasan terhadap fitur tertentu, seperti kemudahan akses & penggunaan. Model yang digunakan mencapai akurasi terbaik menggunakan unigram sebesar 77.87
URI
https://repository.itera.ac.id/depan/submission/SB2507290087
Keyword
Analisis Sentimen Multinomial Naive Bayes Transportasi Online Term Frequency- Inverse Document Frequency (TF-IDF Mitra