ANALISIS SENTIMEN APLIKASI DUOLINGO MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT MACHINE LEARNING

Abstract

Keterbatasan waktu, tempat, dan biaya menjadi salah satu faktor penyebab kurangnya pendidikan pada seseorang. Selain itu, tidak variatif dan monotonnya model pembelajaran membuat seseorang malas belajar, namun tidak menutup kemungkinan untuk bisa belajar secara optimal di era modern ini, salah satunya melalui m-learning yang lebih fleksibel, efektif, dan tentunya lebih menarik, namun adanya bug maupun fitur tambahan yang ditemui saat update aplikasi seringkali membuat pengguna aplikasi Duolingo merasa kecewa dan tidak nyaman saat mengaksesnya, hal tersebut dibuktikan dengan ulasan yang beberapa diantaranya memuat komentar negatif, sehingga perlu dilakukan analisis sentimen sebagai bahan pertimbangan pengguna dalam memilih platform belajar online, dan sekaligus bisa digunakan untuk evaluasi developer dalam pengembangan aplikasi tersebut. Penelitian ini melakukan analisa sentimen pada aplikasi Duolingo berdasarkan ulasan terbaru yang diambil di Google Play Store menggunakan  algoritma Naïve Bayes dan Support Vector Machine yang bertujuan untuk mengetahui tendensi sentimen dan membandingkan tingkat akurasi kedua algoritma tersebut. Algoritma Naïve Bayes memperoleh nilai accuracy sebesar 81%, precission 80%, recall 98%, dan f1-score 88%. Sedangkan metode Support Vector Machine menghasilkan nilai accuracy 85%, precission 87%, recall 94%, dan f1-score 90%. Maka dari perbandingan performa kedua algoritma tersebut, dapat disimpulkan bahwa algoritma Support Vector Machine memiliki tingkat accuracy yang lebih baik.