ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI GLINTS DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES

Abstrak

Aplikasi pencarian kerja berbasis mobile telah menjadi alat penting bagi individu dalam mencari pekerjaan secara daring. Glints merupakan salah satu aplikasi populer di Indonesia yang menyediakan akses terhadap lowongan kerja, magang, dan pengembangan karier. Persepsi dan pengalaman pengguna terhadap kualitas aplikasi tercermin melalui ulasan yang tersedia di Google Play Store. Penelitian ini bertujuan untuk melakukan analisis sentimen pengguna terhadap aplikasi Glints, dengan mengklasifikasikan opini ke dalam kategori positif dan negatif menggunakan metode Naive Bayes. Data dikumpulkan melalui proses web scraping terhadap ulasan pengguna dalam rentang waktu November 2024 hingga April 2025. Setelah proses seleksi dan pelabelan berdasarkan skor rating, data teks diproses melalui tahapan preprocessing yang mencakup casefolding, text cleaning, text normalization, stopword removal, stemming, dan tokenizing. Representasi fitur dilakukan menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) dengan pendekatan bigram dan nilai min_df sebesar 3. Model dikembangkan menggunakan algoritma Multinomial Naive Bayes dan dievaluasi menggunakan metrik akurasi, precision, recall, f1-score, serta confusion matrix. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 87%, precision 87%, recall 87%, dan f1-score 86%. Selain itu, hasil klasifikasi menunjukkan bahwa mayoritas sentimen pengguna terhadap aplikasi Glints bersifat positif, dengan 935 ulasan positif (78,57%) dan 255 ulasan negatif (21,43%). Temuan ini menunjukkan bahwa metode Naive Bayes efektif dalam mengklasifikasikan opini pengguna dan dapat diterapkan sebagai pendekatan yang efisien dalam analisis sentimen berbasis ulasan teks.