Analisis Sentimen Terhadap Aplikasi Whatsapp Menggunakan Naïve Bayes Berdasarkan Seleksi Fitur Chi-Square
DOI:
https://doi.org/10.26623/transformatika.v23i2.12310Abstract
Penelitian ini bertujuan untuk menganalisis sentimen terhadap pengguna aplikasi Whatsapp di Indonesia pada Google Play Store, dataset dikategorikan menjadi 3 peleban sentimen yaitu positif, netral, dan negatif. Dengan menggunakan klasifikasi Naïve Bayes, untuk meningkatkan kinerja maka menggunakan ekstraksi fitur TF-IDF yang berjumlah 1935 fitur, namun setelah melakukan pengujian hasil kurang maksimal. Dengan itu ditambahan seleksi fitur untuk memilih fitur - fitur tertentu menggunakan seleksi fitur Chi- Square yang terpilih sebanyak 85% fitur, dan untuk pembagian data training dan testing hasil terbaik di 80 untuk data training dan 20 untuk data testing. Hasil evaluasi sebelum menggunakan seleksi fitur mendapatkan nilai akurasi sebesar 74,5%, nilai presisi sebesar 70%, dan nilai recall sebesar 74,5%. Namun setelah menggunakan seleksi fitur hasil meningkat cukup tinggi mencapai 5,6% untuk nilai akurasi, 5,94% untuk nilai presisi, dan 1,51% untuk nilai recall. Dengan penelitian ini penggunaan seleksi fitur Chi-Square dapat berpengaruh hasil evaluasi data ulasan pengguna aplikasi Whatsapp.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Daniel Johan Kristian, Dewi Nurdiyah
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
