ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP APLIKASI MIFX DI PLAY STORE MENGGUNAKAN PENDEKATAN VADER DAN METODE NAÏVE BAYES

Abstract

Pertumbuhan aplikasi keuangan digital di Indonesia terus meningkat, termasuk aplikasi MIFX yang digunakan untuk aktivitas trading forex secara online. Banyaknya ulasan pengguna di Google Play Store menjadi sumber penting untuk menilai kualitas layanan dan pengalaman pengguna terhadap aplikasi tersebut. Namun, bentuk ulasan yang tidak terstruktur dan menggunakan bahasa informal membuat analisis manual menjadi sulit dilakukan. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi MIFX dengan menggabungkan metode VADER dan Naïve Bayes. Data ulasan dikumpulkan menggunakan teknik web scraping dari Google Play Store, kemudian melalui tahapan preprocessing seperti cleaning, case folding, normalisasi, translasi ke Bahasa Inggris, tokenisasi, stopword removal, dan stemming. Metode VADER digunakan untuk memberikan label sentimen positif dan negatif, sedangkan Naïve Bayes digunakan untuk melakukan klasifikasi berdasarkan pembobotan TF-IDF. Hasil evaluasi menunjukkan bahwa model Naïve Bayes mampu mencapai akurasi sebesar 85,48%, dengan performa terbaik pada sentimen positif (precision 90%, recall 91%, F1-score 90%) dan performa lebih rendah pada sentimen negatif (precision 72%, recall 67%, F1-score 70%). Berdasarkan hasil pelabelan menggunakan VADER, dari 3.409 ulasan yang dianalisis, sebanyak 76,3% termasuk kategori positif dan 23,7% negatif. Hasil ini menunjukkan bahwa persepsi mayoritas pengguna terhadap aplikasi MIFX cenderung positif. Seluruh alur penelitian juga diimplementasikan ke dalam sebuah prototipe aplikasi web yang mampu menampilkan hasil analisis sentimen secara interaktif dan real-time sebagai bentuk implementasi sistem.