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

 

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. 

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

2.1 Pengumpulan 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. 

2.2 Preprocessing 

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. 

2.3 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.

2.5 Evaluasi 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 Nave Bayes. 

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.

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. Seperti pada gambar dibawah ini:

AD_4nXfCPmtengVYbL8lkmA3vl5TxgYX2zDkJ-irxaFBh35y9mjRhpyFkbZ2ngpDIa_vTEByfGAqHZHQmIzaYcGRmgPPTAZ127YmVsPMHsTwxJT4DC3hMzP0xeMjYQG_y-2pr5s4udXiH7OWpfwfvONrnsvrY4Cl?key=JFl5TN8E3dkcIackTUKt2w

 

Gambar diatas merupakan WordCloud untuk dataset positif. Kata yang paling besar merupakan ulasan yang  sering muncul atau sering diberikan oleh pengguna Adobe Lightroom. 

AD_4nXfXkFlXC3I_vQnGK2G4PLWA6e_AVBmuR3WvTHml5LgVAmMi0D-asDiHXc03Zrs7aIqdz5yO-MbL8AbXH7SVbS5pV4wHaQ_T8PsnWkCwtWb63yzKEP2LTXfoCuq_gChULrO0YVtWN68yXJSTd_KypxELLEBa?key=JFl5TN8E3dkcIackTUKt2w

Analisis Data Model 

Hasil akurasi didapatkan  dengan perolehan angka 0.80. Dari gambar diatas dapat ditampilkan Confusion Matrix pada gambar selanjutnya atau  pada gambar 4 berikut ini:

AD_4nXeLZv4YulaY4ltkq9sHJeAl9f3w_g_IdmL-x4oxa_DZda0EBRpawQjzYQyihsO30GZ2Ot2miokBwkbKGkBft4mnb-P_6eHlZccmbmut_2Tg6ROvI72I3RthJgrlMCAezePgPffT7A_P1xOrVeq-PI63QXg1?key=JFl5TN8E3dkcIackTUKt2w

Berdasarkan gambar diatas dapat dilihat bahwa model pengklasifikasian ini sudah terlihat antara request pengguna  dengan sistem untuk proses analisis sentiment. 

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. Hasil analisis sentiment dalam  diagram pie terdapat pada gambar dibawah ini: 

AD_4nXdtVEMmku-YaWKvIi4tDBtzWgua71PHrnPQzsCY8MIIsneCc4On_D4srPqAiB_zMytIapc1qvU2S3kuwsXirGTutHwJEWEEi19tQQ29Z-8fXATgkLqJiJ8448KgeomP4zaCeujpo7lzEdeqmWa56hoUbWg?key=JFl5TN8E3dkcIackTUKt2w

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.