Penerapan Metode Naive Bayes dalam Menganalisis Sentimen pada Aplikasi ShopeeFood Driver di Google Play Store

3.6 Hasil Accuracy

            Pada proses klasifikasi ini, dilakukan pembuatan model machine learning menggunakan data training dan data testing dari seluruh dataset secara acak untuk melaksanakan cross validation, dengan tujuan menghasilkan prediksi akurasi. Di bawah ini adalah deskripsi dari hasil klasifikasi menggunakan skrip algoritma Nave Bayes. Berikut hasil script dan hasil outputnya

Output hasil

Gambar 4. menampilkan Akurasi yang diperoleh

Gambar 4 menunjukkan hasil evaluasi algoritma Nave Bayes Classifier pada aplikasi ShopeeFood Driver. Evaluasi ini menegaskan bahwa algoritma tersebut berhasil mencapai tingkat akurasi sebesar 82%, dengan presisi 85%, recall 82%, dan f1-score 78%. Data testing yang digunakan terdiri dari 284 data, yang setara dengan sekitar 19% dari total 1500 data yang digunakan untuk evaluasi. Pengambilan data testing dilakukan secara acak untuk memastikan representasi yang seimbang.

Visualisasi hasil dari klasifikasi sentimen terhadap ulasan pengguna aplikasi ShopeeFood Driver dapat diwujudkan melalui penggunaan word cloud, sebuah metode yang memvisualisasikan frekuensi kata-kata dalam teks secara grafis dengan ukuran kata yang lebih besar menunjukkan frekuensi yang lebih tinggi. Tujuan dari visualisasi ini adalah untuk memberikan gambaran yang lebih terperinci dan menarik mengenai sentimen yang terkandung dalam ulasan pengguna aplikasi ShopeeFood Driver yang tersedia di situs Google Play.

Melalui analisis word cloud, kita dapat memperoleh pemahaman yang lebih mendalam tentang kata-kata kunci yang paling sering muncul dalam ulasan pengguna, baik untuk sentimen positif maupun negatif. Ini memungkinkan kita untuk mengidentifikasi tren atau pola umum yang mungkin muncul dalam ulasan tersebut, serta memahami bagaimana pengguna merespons aplikasi ShopeeFood Driver.

Pembahasan visualisasi kata dari masing-masing kelas sentimen juga memberikan pandangan yang lebih rinci tentang aspek-aspek tertentu yang dianggap penting oleh pengguna dalam ulasan mereka. Ini dapat membantu pengembang untuk memahami area-area yang perlu diperbaiki atau ditingkatkan dalam aplikasi mereka, sekaligus memperkuat kualitas layanan yang mereka tawarkan.

Dengan demikian, visualisasi word cloud tidak hanya memberikan gambaran umum tentang sentimen pengguna terhadap aplikasi ShopeeFood Driver, tetapi juga menyediakan wawasan yang berharga untuk pengambilan keputusan yang lebih baik dalam pengembangan dan perbaikan aplikasi tersebut.