Analisis Sentimen Mengenai Ulasan Pengguna Aplikasi Lightroom pada Play Store Menggunakan Klasifikasi Naive Bayes

Henny Allatif Epidho

Fakultas Sains dan Teknologi, Program Studi Teknologi Informasi, Universitas Islam Negeri Walisongo, Semarang, Indonesia

Email: 2108096033@student.walisongo.ac.id 

AbstrakSemakin berkembangnya teknologi saat ini mungkin tidak asing lagi bagi para anak muda yang mempunyai bakat dalam berbagai bidang diantara lain yaitu pada Aplikasi Editing Foto. Aplikasi Editing Foto merupakan sebuah aplikasi yang telah menyediakan berbagai fitur -- fitur yang dapat digunakan untuk memperindah, merekreasi, ataupun memaksimalkan hasil dari karya editing yang sedang dibuat dalam berbagai foto. 

Banyak aplikasi yang dikeluarkan pada app Google Play Store salah satunya yaitu aplikasi Lightroom. Oleh sebab itu perlu adanya analisis sentiment dari pengguna dalam mengulas atau mengomentari mengenai perkembangan dari aplikasi ini sendiri. Dalam menentukan analisis, terdapat berbagai alternative diantaranya rating, jumlah pengguna, fitur, dan ulasan pengguna aplikasi Lightroom. 

Sistem Analisis Sentimen ini bertujuan untuk mengetahui seberapa banyak komentar positif ataupun negative dari pengguna Lightroom, sehingga diperlukan adanya sebuah metode untuk mempermudah. Salah satunya menggunakan metode Nave Bayes Classifier atau sering disingkat dengan kata NBC dan metode Support Vector Machine atau SVM. Metode ini bertujuan untuk mengelompokkan komentar atau ulasan berdasarkan pada kategori kategorinya.  

Kata Kunci: Lightroom; Play Store; Analisis Sentimen; Nave Bayes; Support Vector Machine

AbstractThe increasing development of technology today may be familiar to young people who have talents in various fields, including photo editing applications. The Photo Editing Application is an application that provides various features that can be used to beautify, recreate or maximize the results of the editing work being created in various photos. 

Many applications are released on the Google Play Store app, one of which is the Lightroom application. Therefore, there is a need for sentiment analysis from users in reviewing or commenting on the development of this application itself. In determining the analysis, there are various alternatives including ratings, number of users, features and user reviews of the Lightroom application. 

This Sentiment Analysis System aims to find out how many positive and negative comments there are from Lightroom users, so a method is needed to make things easier. One of them uses the Nave Bayes Classifier method or often abbreviated as NBC and the Support Vector Machine or SVM method. This method aims to group comments or reviews based on explanation categories.

Keywords: Lightroom; Play Store; Sentiment Analysis; Nave Bayes; Support Vector Machine

1.PENDAHULUAN

Era digital telah membuat manusia memasuki gaya hidup baru yang tidak dapat lepas dari perangkat yang seba elektronik. Teknologi berperan sebagai alat yang dapat membantu kebutuhan manusia, dengan teknologi apapun dapat dilakukan dengan lebih mudah. Begitu pentingnya peran teknologi inilah yang mulai membawa dan memasuki ke era digital. 

Meningkatnya kebutuhan akan data dan informasi mendorong manusia untuk mengembangkan teknologi yang baru, agar pengolahan data dan informasi dapat dilakukan dengan mudah dan cepat. 

Perkembangan teknologi yang berkembang begitu pesat saat ini telah memberikan banyak manfaat khususnya bagi mereka yang mempunyai bakat atau hobi dalam bidang fotografi. Hampir diseluruh dunia yang serba digital ini, fotografi mengambil peran penting dalam berbagai aspek kehidupan. 

Tidak heran jika di zaman ini media social seperti Instagram dan Youtube menjadi salah satu media social dengan pengguna terbanyak karena memakai elemen visual foto sebagai senjata untuk menyampaikan dan menyebarkan suatu informasi.

Google Play Store merupakan sebuah layanan konten yang dimiliki oleh Google. Google Play Store dapat diakses melalui web, aplikasi android, dan Google TV. Pada Google Play Store dilengkapi dengan adanya fitur yang berisi ulasan atau komentar dari para pengguna aplikasi yang mereka cari. 

Ulasan dari pengguna sering digunakan sebagai alat yang efektif dan efisien dalam menemukan informasi terhadap produk yang ada di sebuah instansi tertentu. Oleh karena itu diperlukan sebuah metode atau teknik khusus yang mampu mengkategorikan review -- review dari ulasan atau komentar yang diberikan pengguna secara otomatis, apakah komentar tersebut lebih ke positif atau negative.

Salah satu aplikasi yang diminati pada saat ini adalah aplikasi untuk mengedit foto. Aplikasi editing foto adalah salah satu aplikasi pengolah grafis terpopuler yang digunakan untuk mengedit gambar digital. Ada berbagai macam aplikasi yang popular diantaranya Adobe Lightroom, PicsArt, Afterlight, dan lain -- lain. 

Aplikasi ini memiliki berbagai fitur, seperti pengaturan, pengaturan kualitas gambar, pengaturan warna dan pencahayaan, pengaturan efek dan filter, dan lain sebagainya. Salah satu aplikasi untuk mengedit foto adalah Adobe Lightroom. Adobe Lightroom adalah sebuah aplikasi yang mumpuni dan user friendly , memiliki kelebihan pada moful yang memungkinkan kita untuk menyesuaikan warna dan rentang tone pada foto kitaLightroom merupakan salah satu aplikasi editing foto yang popular dan banyak didukung oleh pengguna. 

Selain memiliki berbagai macam pengaturan, aplikasi ini juga memiliki fitur untuk mengedit video dan reels, serta fitur untuk mengedit video dengan precision sliders. Aplikasi Lightroom juga memiliki fitur untuk mengedit gambar dan video dalam pengaturan HDR.

Proses pengeditan foto juga dapat dibuat dengan sederhana namun akan menghasilkan hasil yang baik dan indah untuk dipandang. Adobe Lightroom identik dengan teknik koreksi warna dan cahaya, fitur yang sangat berguna dari aplikasi ini sendiri yaitu fungsi yang telah ditentukan dapat dibuat dengan keinginan pengguna mulai dari nada dan tema yang ingin ditampilkan di setiap produk. 

Penggunaan aplikasi dalam memanipulasikan warna juga menjadi hal yang perlu dipelajari oleh seorang fotografi. Pengaruh era digital membuat para fotografi yang terbiasa menggunakan alternatif cara tradisional menjadi modern. Pentingnya pemahaman teknik dasar terkait memanipulasi sebuah warna dan pencahayaan menggunakan Adobe Lightroom menjadikan kunci agar seorang fotografi dan seni yang sebelumnya bisa bertahan dan bersaing dengan fotografi yang menggunakan karya digital. 

Aplikasi Adobe Lightroom sudah sering dijadikan standar kerja professional untuk menjadi aplikasi yang dapat memanipulasi warna dan pencahayaan yang menjadikan seorang fotografi atau editing harus belajar lagi agar mampu bersaing dengan fotografi lainnya.

Dengan berkembangnya teknologi digital, sentiment menjadi potensi besar bagi perusahaan yang ingin mengetahui feedback dari masyarakat terhadap produk yang telah mereka keluarkan. Produk tersebut dianggap menjadi salah satu aset yang paling berharga dan manajemen merk adalah prioritas enting bagi pihak perusahaan atau organisasi. 

Jumlah review sangat banyak sehingga akan menyulitkan atau memakan waktu untuk membaca secara keseluruhan. Oleh karena itu dapat dirancang sistem yang secara otomatis akan mengelompokkan review yang ada sesuai pada kelasnya. Kelas sentiment sendiri dibagi menjadi berbagai kelas diantaranya sangat baik, baik, netral, jelek, dan sangat jelek.

Analisis sentimen merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat. Sistem analisis sentiment yang dibangun menggunakan metode atau klasifikasi Nave Bayes dan Support Vector Machine. 

Kelebihan dari klasifikasi Nave Bayes ini sendiri yaitu proses klasifikasi data dapat disesuaikan dengan sifat dan kebutuhan dari masing -- masing pengguna. 

Dengan adanya sistem analisis sentiment ini diharapkan dapat membantu dalam memberikan feedback terhadap merk dan masyarakat juga dapat menilai sebuah produk berdasarkan pada reviw yang ada. Komentar dibagi berdasarkan pada sentiment positif dan negative, sehingga dapat dievaluasi seberapa kepuasan pengguna terhadap produk dan jasa yang telah disediakan secara spesifik di aplikasi editing foto Lightroom ini.

2.METODOLOGI PENELITIAN

Pada penelitian ini penulis mencoba menggunakan metode Nave Bayes dan Support Vector Machine untuk menghasilkan akuarasi terbaik dalam menganalisa ulasan atau komentar dari pengguna terhadap aplikasi Adobe Lightroom. Analisis Sentimen adalah pendapat atau pandangan yang didasarkan pada perasaan yang berlebih -- lebihan terhadap sesuatu atau bertentangan dengan pertimbangan pikiran. 

Sentimen terdapat pada peryataan atau kalimat yang memiliki sebuah pendapat. Sentimen digunakan untuk mengetahui rating atau penilaian yang dapat ditentukan sebagai sentiment positif dan sentiment negative yang telah diberikan oleh masyarakat terhadap sebuah produk yang telah dibuat oleh sebuah instansi. Analisis sentiment digunakan untuk memahami, mengolah berbagai opini, mengolah data secara otomatis.

2.1Pengumpulan Data atau Screpping

Proses pengumpulan data dikumpulkan dari content pengguna aplikasi Lightroom yang ada pada google play store. Data tersebut kemudian dikelola dengan masuk ke tahap preprocessing.

2.2Preprocessing

Tahap selanjutnya yaitu melakukan persiapan dataset yang telap didapatkan, agar terolah pada saat melakukan permodelan. Pada tahap ini juga terdiri dari membangun data, dan membersihkan data agar siap untuk dikelola ke tahap selanjutnya. Tahap preprocessing diantaranya yaitu:

1)Tokenize

Proses tokenisasi merupakan proses dimana memecahkan sekumpulan kalimat atau karakter menjadi potongan kata sesuai kebutuhan (token)

2)Normalisasi

Proses normalisasi mempermudah proses analisis sentiment yang dilakukan menggunakan penggantian pada kata yang tidak baku menjadi kata yang baku.

3)Stemming

Stemming merupakan kelanjutan dari proses tokenize yang dimana menghilangkan imbuhan yang terdapat pada masing -- masing kata dengan mengganti menjadi bahasa Indonesia.

4)Stopword Removal

Tahap selanjutnya yaitu melakukan stopwords removal, pada proses ini kita akan menghapus kata -- kata yang tidak relevan atau kata yang tidak mempunyai makna tersendiri.

2.3Vectorizing

Vectorizing merupakan proses dimana mengubah teks atau data metah menjadi hasil vector numerik. Tahap ini juga dibagi menjadi TF-IDF. Teknik ini digunakan untuk menghitung bobot dataset ulasan atau komentar pada aplikasi Lightroom pada setiap kata yang akan digunakan.

2.4Modeling

Setelah teknik pada tahap preprocessing data selesai dilakukan, langkah selanjutnya yaitu dengan melakukan permodelan atau modeling pada dataset ulasan aplikasi Adobe Lightroom dengan menggunakan metode klasifikasi Nave Bayes dan Support Vector Machine dengan teknik yang telah dieksperimen.

 * Nave Bayes Classifier ( NBC)

Salah satu klasifikasi dataset selanjutnya yaitu dengan mengklasifikasikan data ke satu atau beberapa kelas yang sudah didefinisikan sebelumnya. Teori klasifikasi nave bayes. Klasifikasi nave bayes merupakan klasifikasi yang bersifat supervised learning karena memiliki supervisor yang digunakan. 

Selain itu klasifikasi nave bayes memiliki waktu yang sangat singkat sehingga mempercepat proses sistem analisis sentiment. Pengujian digunakan dengan menggunakan 5 rating diantaranya sangat baik, baik, kurang baik, buruk, sangat buruk. Metode nave bayes merupakan ketentuan permodelan probabilistic yang memprediksi bahwa nilai setiap fitur tidak bergantung pada nilai setiap fitur lain, ketika nilai kelas tetap diberikan. 

Metode ini digunakan dalam berbagai instansi klasifikasi, termasuk pada analisis sentiment, pengelompokan, dan memberikan pengujian pada kualitas produk dengan menggunakan metode Nave Bayes. Metode ini memiliki keunggulan seperti kemajuannya yang tinggi hingga struktur yang mudah untuk dipahami. 

Untuk penggunaan pada Metode Nave Bayes, kita perlu melewati tahap demi tahap yang ada mulai dari tahap screpping data, preprocessing, case folding, normalisasi, filtering, tokenizing, stemming, dan stopwords removal. Kemudian ada pula tahap cleaning untuk mengurangi noise dan remove stopword untuk menghapus kata -- kata yang tidak bermakna seperti kata 'saya', 'dan', 'atau'. Metode ini menghasilkan model dan digunakan untuk menunjukkan ketepatan hasil klasifikasi.

 * Support Vector Machine (SVM)

Metode SVM merupakan metode machine learning yang bertujuan untuk mencari jarak terbaik untuk memisahkan dua keputusan. Metode SVM bekerja dengan memisahkan anggota dari dua kelas yaitu kelas 1 atau positif dan kelas -1 atau negative. Konsep pada metode ini yaitu dengan dijelaskan secara sederhana sebagai usaha dalam mencari hasil terbaik dari dua kelas tersebut. 

SVM berguna untuk membentuk klasifikator yang menggunakan suatu pendekatan yang mencakup nilai setiap fitur tidak bergantung pada nilai setiap fitur lain, ketika nilai kelas tetap akan diberikan. SVM dapat digunakan untuk menyelesaikan masalah linier maupun non -- linier.

2.5Evaluasi Accuracy

Evaluasi dilakukan untuk mengetahui performa algoritma dilakukan untuk mengetahui performa algoritma Nave Bayes dalam melakukan klasifikasi analisis sentiment. 

Untuk menilai kualitas accuracy pada analisis sentiment dapat menggunakan metode Support Vector Machine atau SVM dan Nave Bayes. Dengan mengguanakan algoritma tersebut untuk mengklasifikasikan data positif dan data negative dalam analisis sentiment, kemudian menggunakan metode evaluasi accuracy untuk menilai kualitas klasifikasi.

3.HASIL DAN PEMBAHASAN

Penerapan Analisis Sentimen terkait analisis sentimen yang bertujuan untuk mengetahui persepsi masyarakat terkait aplikasi Adobe Lightroom. Aplikasi Lightroom dengan menggunakan metode klasifikasi Nave Bayes Classifier dan SVM. 

Metode klasifikasi Nave Bayes Classifier dapat memberikan nilai presentase precision, recall, dan accuracy yang lebih tinggi daripada metode SVM. Namun dari hasil ketepatan pada metode klasifikasi Nave Bayes Classifier sangat tergantung dengan jumlah data latih yang digunakan, dan mendapatkan nilai akurasi sebesar 80%.

Dataset hasil crawling yang berjumlah dilakukan seleksi dan didapatkan dataset sejumlah 1000 yang layak untuk digunakan. Untuk ulasan yang ada pada aplikasi Adobe Lightroom mungkin hingga beribu -- ribu ulasan, namun disini hanya mengambil 1000 dataset untuk di uji. Dataset selanjutnya dibedakan menurut kebutuhan sesuai dengan periode yang telah ditentukan sebelumnya.

TF-IDF

 Tahap TF-IDF dapat dilakukan dengan sebuah program yaitu dengan memberikan pembobotan pada nilai setiap kata yang ditemukan. Kata yang paling besar atau bobot yang paling besar sama dengan kata yang sering muncul pada sebuah data. Pada tahap ini terdapat dataset positif dan dataset negatif. 

WordCloud Dataset Positif/dokpri

WordCloud Dataset Negatif/dokpri

Kata yang paling besar merupakan ulasan yang sering muncul atau sering diberikan oleh pengguna Adobe Lightroom.

Berdasarkan pada kedua WordCloud dapat dihitung bahwa kemunculan empat kata terbanyak dalam semua dataset adalah kata 'aplikasi', 'foto', 'login', dan 'nya'. Hal tersebut dikarenakan terdapat kata kunci yang digunakan dalam search atau pencarian merupakan kata 'aplikasi foto' dan 'login aplikasi' sehingga keempat kata tersebut dikatakan sering muncul dalam sebuah dataset yang sedang digunakan.

Klasifikasi Analisis Sentimen

Analisis Data Model

 Proses ini merupakan proses klasifikasi dengan model klasifikasi Nave Bayes. Proses telah dilakukan setelah selesai dalam melakukan tahapan TF-IDF. Data yang sudah memiliki bobot kemudian dilakukan split data training dan testing untuk dilakukan analisis sentiment.

Data diatas merupakan pengujuan yang menggunakan model klasifikasi Nave Bayes. Hasil akurasi didapatkan dengan perolehan angka 0.80. Dapat dilihat bahwa model pengklasifikasian ini sudah terlihat antara request pengguna dengan sistem untuk proses analisis sentiment ini.

Analisis Data Uji

Pada proses selanjutnya yaitu proses analisis sentiment dan membandingkan hasil pengambilan dataset. Disini kita akan mengetahui seberapa banyak komentar negative dan juga positif yang sudah diberikan oleh pengguna aplikasi Lightroom ini. Hasil analisa data uji dapat ditampilkan kedalam sebuah diagram pie yang menampilkan perbandingan sentiment positif dan juga sentiment negative nya.

4.KESIMPULAN

Dari proses mengetahui seberapa ulasan yang diberikan pengguna Lightroom dengan metode analisis sentimen ini dinilai sangat efisien dikarenakan tidak membutuhkan usaha yang besar dalam melakukan penilaian, dan dapat melakukan pengambilan data yang lebih banyak dalam waktu yang singkat. 

Selain itu hasil analisis sentimen dapat mereprediksi dan menilai penggunaan dengan baik, dikarenakan tidak serumit menggunakan persepsi analisis sentimen dengan kuesioner. Hasil dari penilaian proses ulasan terhadap aplikasi Lightroom di Play Store ini menunjukkan bahwa aplikasi Lightroom memiliki sentimen negative di media sosial Play Store.