PENERAPAN METODE MULTINOMIAL NAIVE BAYES DENGAN OPTIMASI TF-IDF DAN SELEKSI FITUR CHI-SQUARE UNTUK ANALISIS SENTIMEN PADA ULASAN APLIKASI GETCONTACT DI GOOGLE PLAY STORE

Penelitian ini membahas analisis sentimen terhadap ulasan pengguna aplikasi Getcontact pada Google Play Store yang bersifat tidak terstruktur dan sulit dianalisis secara manual. Tujuan penelitian ini adalah mengklasifikasikan sentimen pengguna ke dalam kategori positif dan negatif menggunakan metode Multinomial Naive Bayes yang dioptimasi dengan pembobotan TF-IDF dan seleksi fitur Chi-square. Dataset yang digunakan terdiri dari 1000 ulasan yang telah melalui tahap preprocessing, kemudian dibagi menjadi 80% data pelatihan dan 20% data pengujian, serta dievaluasi menggunakan 200 data unseen. Representasi teks dilakukan menggunakan TF-IDF, kemudian dilanjutkan dengan seleksi fitur Chi-square untuk menentukan fitur yang paling relevan. Eksperimen dilakukan dengan variasi jumlah fitur yang digunakan. Hasil evaluasi menunjukkan akurasi sebesar 85% pada data pengujian dengan nilai presisi, recall, dan F1-score sebesar 85%. Pada data unseen, diperoleh akurasi sebesar 80% dengan nilai presisi, recall, dan F1-score sekitar 80%. Penurunan akurasi sebesar 5% dari data pengujian ke data unseen mengindikasikan bahwa model tidak mengalami overfitting yang signifikan dan memiliki kemampuan generalisasi yang memadai terhadap data baru.