Perbandingan Naïve Bayes dan Logistic Regression dalam Sentiment Analysis pada Review Marketplace menggunakan Rating- Based Labeling

Abstract

Penelitian ini berfokus pada analisis sentimen di Google Play Store, platform untuk mengunduh aplikasi Android dan memberikan ulasan. Analisis sentimen penting untuk memahami respons pengguna terhadap aplikasi, terutama di marketplace. Dalam penelitian ini, dua algoritma machine learning, yaitu Naïve Bayes dan Logistic Regression, digunakan untuk mengklasifikasikan ulasan pengguna. Naïve Bayes dan Logistic Regression sering digunakan untuk klasifikasi sentimen karena keunggulan simplicitas, efisiensi komputasi, dan kemampuan memberikan interpretasi dan estimasi probabilitas prediksi yang baik. Penilaian rating aplikasi digunakan sebagai referensi untuk menentukan sentimen dari setiap komentar. Dataset dibagi menjadi dua kondisi: menggunakan 2 label (positif & negatif) dan 3 label (positif, netral, & negatif). Hasil pengujian menunjukkan bahwa performa tertinggi diperoleh dengan menggunakan Logistic Regression pada dataset Shopee dengan 2 label. Akurasinya mencapai 84,58%, presisinya 84,66%, dan recallnya 84,63%. Selain itu, waktu proses tercepat terjadi saat menguji dataset Lazada 2 label dengan Naïve Bayes, hanya memerlukan 0,038 detik. Secara keseluruhan, penelitian ini menunjukkan bahwa dataset dengan 2 label cenderung menghasilkan tingkat akurasi yang lebih tinggi dibandingkan dengan dataset 3 label.