Klasifikasi User Review pada Aplikasi Online Travel Booking Menggunakan Multinomial Naïve Bayes

Abstract

Perkembangan teknologi yang pesat telah membawa perubahan dalam berbagai aspek kehidupan, termasuk dalam sektor pariwisata. Aplikasi tiket travel online seperti Traveloka, pegipegi dan Tiket.com merupakan aplikasi travel yang sangat populer di Indonesia. penelitian ini bertujuan untuk mengukur performa dari metode Multinomial Naïve Bayes dalam mengklasifikasikan ulasan pengguna aplikasi tersebut menjadi kelas “satisfied” dan “unhappy”. Dataset berjumlah 1339 ulasan pengguna yang diambil dari Google Play Store. Uji coba dilakukan dengan tiga skenario rasio pembagian dataset (7:3, 8:2, 9:1) dan dievaluasi menggunakan confusion matrix dan K-Fold Cross Validation. Hasil uji coba menunjukkan skenario pembagian data 9:1 menghasilkan akurasi model tertinggi sebesar 81.34% dengan precision 81.47%, recall 81.44% dan F1-Score 81.34%. Analisa kata menggunakan TF-IDF menunjukkan bahwa kata-kata seperti “good”, “nice” dan “nice” mendominasi pada kelas “satisfied”, sedangkan kata seperti “price”, “cant”, dan “app” merupakan 3 kata yang paling mendominasi  pada kelas “unhappy”. Dapat disimpulkan bahwa metode Multinomial Naïve Bayes memiliki performa yang baik untuk klasifikasi ulasan pengguna aplikasi travel online, dan semakin banyak dataset yang digunakan makan semakin bagus pula model yang dihasilkan.