Analisis Sentimen dengan Komparasi Random Forest, SVM dan Naive Bayes menggunakan Dataset 20 Aplikasi Edukasi Anak

Abstract

Ulasan pengguna di platform digital seperti Google Play Store telah menjadi sumber data vital bagi pengembang aplikasi, namun volumenya yang masif menyulitkan analisis manual. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna pada 20 aplikasi pendidikan anak berbahasa Indonesia dan membandingkan performa tiga model machine learning Random Forest, Support Vector Machine (SVM), dan Naïve Bayes—untuk tugas klasifikasi sentimen. Data sebanyak 9.990 ulasan dikumpulkan dari Google Play Store menggunakan metode scrapping, kemudian diberi label secara otomatis menggunakan model RoBERTa. Setelah melalui tahap pre-processing dan penanganan data tidak seimbang dengan metode SMOTE, ketiga model diuji menggunakan sembilan skenario rasio pembagian data latih dan data uji (dari 90:10 hingga 10:90). Hasil penelitian menunjukkan bahwa Random Forest secara konsisten memberikan kinerja terbaik, dengan akurasi puncak mencapai 92,68% pada rasio 90:10, diikuti oleh SVM dengan kinerja yang sangat kompetitif. Model Naïve Bayes menunjukkan performa terendah di semua skenario. Ditemukan pula bahwa rasio data latih yang lebih besar (80% ke atas) secara signifikan meningkatkan akurasi model. Secara keseluruhan, sentimen pengguna terhadap aplikasi pendidikan anak cenderung positif, dan model Random Forest direkomendasikan sebagai metode paling andal untuk studi kasus ini.