Analisis Sentimen Ulasan Pengguna WhatsApp Indonesia pada Google Play Store Menggunakan Algoritma Naïve Bayes

Abstract

WhatsApp merupakan salah satu aplikasi pesan instan yang paling banyak digunakan di Indonesia, dengan jutaan ulasan pengguna yang tersedia di Google Play Store. Besarnya volume ulasan tersebut menjadikan analisis secara manual tidak memungkinkan untuk dilakukan, sehingga diperlukan pendekatan otomatis untuk memahami sentimen pengguna secara efisien. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna WhatsApp Indonesia di Google Play Store menggunakan algoritma Naive Bayes. Sebanyak 68.506 ulasan berbahasa Indonesia dikumpulkan melalui teknik web scraping menggunakan pustaka Google Play Scraper. Data kemudian melalui enam tahapan preprocessing meliputi cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming. Pelabelan data dilakukan menggunakan pendekatan berbasis leksikon dengan memanfaatkan kamus InSet Lexicon yang terdiri atas 10.220 kata. Pembobotan fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency dengan 5.000 fitur, dan data dibagi dengan rasio 80% data latih dan 20% data uji. Hasil klasifikasi Multinomial Naive Bayes menunjukkan bahwa sentimen negatif mendominasi dengan persentase 46,45%, diikuti sentimen positif sebesar 27,79%, dan sentimen netral sebesar 25,76%. Model yang dibangun menghasilkan akurasi sebesar 70,72%, dengan nilai precision 71,54%, recall 70,72%, dan F1-score 68,55%. Temuan ini mengindikasikan bahwa sebagian besar pengguna WhatsApp di Indonesia cenderung mengungkapkan ketidakpuasan terkait permasalahan teknis seperti spam dan pemblokiran akun. Penelitian ini berkontribusi dalam memahami persepsi pengguna terhadap aplikasi komunikasi berskala besar dan memberikan wawasan yang berguna bagi pengembang WhatsApp dalam meningkatkan kualitas layanan aplikasi.