Analisa Penggunaan Metode Lexicon Based Dan Algoritma Naive Bayes Pada Sentimen Ulasan Aplikasi Duolingo

Abstract

Peningkatan jumlah ulasan pengguna pada aplikasi mobile membuka peluang untuk memahami persepsi dan pengalaman pengguna melalui analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Duolingo yang diambil dari Google Play Store menggunakan dua pendekatan, yaitu metode lexicon-based dan algoritma Naive Bayes berbasis Python. Metode lexicon-based digunakan untuk memberikan skor polaritas berdasarkan leksikon sentimen, sedangkan Naïve Bayes diterapkan sebagai model klasifikasi dengan dukungan fitur TF-IDF. Proses penelitian meliputi tahapan pengumpulan data, preprocessing teks (cleaning, case folding, tokenisasi, stopword removal, dan stemming), pembobotan sentimen, pelatihan model, serta evaluasi performa menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode lexicon-based mampu memberikan gambaran umum polaritas ulasan, namun performanya sangat dipengaruhi oleh kelengkapan leksikon dan variasi bahasa informal pengguna. Sementara itu, algoritma Naive Bayes menunjukkan performa yang lebih stabil dan akurasi lebih tinggi dalam mengklasifikasikan sentimen dibandingkan pendekatan leksikon. Perbandingan kedua metode memperlihatkan bahwa Naive Bayes lebih efektif dalam menangani data teks pendek, tidak terstruktur, serta mengakomodasi variasi kata dan ejaan. Temuan penelitian ini memberikan pemahaman yang lebih dalam mengenai persepsi pengguna terhadap Duolingo serta menjadi referensi metodologis bagi penelitian sentiment analysis selanjutnya, khususnya yang melibatkan kombinasi metode leksikon dan klasifikasi probabilistik.