Analisis Sentimen Terhadap Aplikasi Whatsapp Menggunakan Naïve Bayes Berdasarkan Seleksi Fitur Chi-Square 370 212
DOI:
https://doi.org/10.26623/transformatika.v23i2.12310Abstrak
Penelitian ini bertujuan untuk membandingkan penelitian sebelumnya dengan peneliti, dengan menganalisis sentimen terhadap pengguna aplikasi whatsapp di google playstore, menggunakan pendekatan machine learning. Pengambilan data sebanyak 1000 dan menggunakan 3 kategori pelabelan yaitu positif, netral, dan negatif. Dengan melalui proses ekstraksi fitur menggunakan fitur TF-IDF yang mengahasilkan 1935 fitur, untuk mendapatkan nilai yang maksimal maka menggunakan seleksi fitur Chi-Square yang terpilih 85% fitur terbaik. Setelah dilakukan ekstraksi fitur yaitu proses klasifikasi menggunakan algoritma Naive Bayes, dengan proses pembagian data training dan data testing menggunakan rasio perbandingan 80 untuk data training dan 20 untuk data testing. hasil evaluasi mengalami peningkatan sebanyak 5,6% untuk nilai akurasi, untuk nilai presisi sebanyak 5,94%, dan untuk nilai recall sebanyak 1,51%.
Unduhan
Referensi
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Daniel Johan Kristian, Dewi Nurdiyah
Artikel ini berlisensi 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.
