Analisis Sentimen Ulasan Aplikasi Detik.Com di Google Play Store Menggunakan Pendekatan Lexicon-Based dan Machine Learning

Ulasan pengguna pada Google Play Store merupakan sumber informasi yang dapat digunakan untuk mengetahui tingkat kepuasan pengguna terhadap suatu aplikasi. Namun, jumlah ulasan yang terus bertambah menyebabkan proses analisis secara manual menjadi kurang efektif. Oleh karena itu, diperlukan metode analisis sentimen untuk mengidentifikasi kecenderungan opini pengguna secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Detik.com menggunakan pendekatan Lexicon-Based serta membandingkan kinerja algoritma Naive Bayes, Decision Tree, Random Forest, dan Support Vector Machine (SVM). Data penelitian diperoleh dari Google Play Store melalui proses web scraping. Tahapan penelitian meliputi preprocessing data, pelabelan sentimen menggunakan pendekatan Lexicon-Based, ekstraksi fitur menggunakan TF-IDF, pembagian data latih dan data uji, proses klasifikasi menggunakan algoritma machine learning, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil pelabelan sentimen menunjukkan bahwa dari 1.000 ulasan yang dianalisis, sebanyak 591 ulasan (59,10%) termasuk sentimen positif dan 409 ulasan (40,90%) termasuk sentimen negatif. Berdasarkan hasil pengujian, algoritma Decision Tree memperoleh performa terbaik dengan nilai akurasi sebesar 79,6%, precision sebesar 80,1%, recall sebesar 79,6%, dan F1-score sebesar 79,7%. Sementara itu, Random Forest memperoleh akurasi sebesar 77,6%, SVM sebesar 74,5%, dan Naive Bayes sebesar 71,9%. Hasil penelitian menunjukkan bahwa pendekatan Lexicon-Based yang dikombinasikan dengan algoritma machine learning mampu digunakan untuk menganalisis sentimen ulasan pengguna aplikasi Detik.com secara efektif, dengan Decision Tree sebagai algoritma yang memberikan kinerja terbaik pada dataset penelitian.