ANALISIS SENTIMEN ULASAN APLIKASI GETCONTACT DI GOOGLE PLAY STORE MENGGUNAKAN TEKNIK NAÃVE BAYES UNTUK PENINGKATAN KUALITAS LAYANAN

Abstract

Abstract: The rapid development of information technology has led to the emergence of various digital applications to meet communication needs, one of which is Getcontact. This application enables users to identify phone numbers, detect spam calls, and protect user privacy. As the number of users increases, Getcontact has received numerous reviews on the Google Play Store, containing both positive and negative opinions. These reviews are valuable for developers to evaluate service quality and user satisfaction. However, the large volume of reviews makes manual analysis inefficient. This study aims to analyze user review sentiments of the Getcontact application on the Google Play Store using the Naive Bayes Classifier algorithm. The data were collected from user reviews and processed through several stages, including case folding, tokenizing, stopword removal, and stemming. After preprocessing, the text data were transformed into numerical form using the TF-IDF method, then classified into positive and negative sentiment categories using the Naive Bayes algorithm. The model was evaluated using accuracy, precision, recall, and F1-score metrics. The results show that the Naive Bayes algorithm can classify user review sentiments with a high level of accuracy, making it effective for analyzing public opinions about the Getcontact application. Based on the analysis, most user reviews indicate positive sentiments, suggesting that users are generally satisfied with the application's features and services. These findings can serve as input for developers to maintain existing strengths and improve aspects that still receive user complaints. Keyword: sentiment analysis; naïve bayes; getcontact; google play store; text mining Abstrak: Perkembangan teknologi informasi yang pesat mendorong munculnya berbagai aplikasi digital untuk memenuhi kebutuhan komunikasi masyarakat, salah satunya adalah aplikasi Getcontact. Aplikasi ini memungkinkan pengguna untuk mengidentifikasi nomor telepon, mendeteksi panggilan spam, serta melindungi privasi pengguna. Seiring meningkatnya jumlah pengguna, aplikasi Getcontact memperoleh banyak ulasan di Google Play Store yang berisi opini positif maupun negatif. Ulasan tersebut dapat menjadi sumber informasi penting bagi pengembang untuk menilai kualitas layanan dan tingkat kepuasan pengguna. Namun, jumlah ulasan yang sangat besar membuat analisis manual menjadi tidak efektif. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Getcontact di Google Play Store dengan menggunakan algoritma Naive Bayes Classifier. Data penelitian diperoleh melalui pengumpulan ulasan pengguna yang kemudian diproses melalui beberapa tahapan, yaitu case folding, tokenizing, stopword removal, dan stemming. Setelah dilakukan preprocessing, data diubah menjadi bentuk numerik menggunakan metode TF-IDF, lalu diklasifikasikan ke dalam kategori sentimen positif dan negatif menggunakan algoritma Naive Bayes. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen ulasan pengguna dengan tingkat akurasi yang tinggi, sehingga efektif digunakan untuk menganalisis opini publik terhadap aplikasi Getcontact. Berdasarkan hasil analisis, mayoritas ulasan pengguna menunjukkan sentimen positif yang mengindikasikan bahwa pengguna merasa puas terhadap fitur dan layanan aplikasi. Hasil ini dapat menjadi masukan bagi pengembang untuk mempertahankan keunggulan yang ada serta memperbaiki aspek-aspek yang masih mendapat keluhan dari pengguna. Kata kunci: analisis sentimen; naïve bayes; getcontact; google play store; text mining