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

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. 

2.3 Vectorizing 

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. 

2.4 Modeling 

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) . 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.