Analisis Sentimen Ulasan Duolingo dengan Metode Algoritma Multinomial Naïve Bayes

Robbi Zulcharnain; Ginanjar Abdurrahman; Daryanto Daryanto

doi:10.59395/jitp.v5i1.113

Authors

Robbi Zulcharnain Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember
Ginanjar Abdurrahman Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember
Daryanto Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Jember

DOI:

https://doi.org/10.59395/jitp.v5i1.113

Keywords:

sentiment analysis, text mining, opinion mining, Duolingo, Multinomial Naïve bayes, Confusion Matrix, K-Fold Cross Validation

Abstract

Duolingo menawarkan solusi efektif dengan menghadirkan tantangan, permainan, dan berbagai level menarik yang menjaga minat pengguna. Namun, seiring meningkatnya popularitas, platform ini menjadi subjek memuat terkait pendekatannya terhadap representasi LGBT ( Lesbian Gay Biseksual Transgender ) sebagai langkah penting menuju keterlibatan yang lebih besar dalam ruang pembelajaran, sementara yang lain merasa bahwa masalah ini memicu perbedaan pendapat. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aplikasi Duolingo di Google Play Store dengan metode K-Fold Cross Validation dan Multinomial Naïve Bayes. Metode K-Fold Cross Validation menghasilkan nilai tertinggi dengan akurasi 89.69%, presisi 0.89, recall 0.92 dan f1-score 0.90, yang menunjukkan performa model yang konsisten. Penerapan Multinomial Naïve Bayes pada data menunjukkan hasil yang sangat baik, dengan akurasi 89%, presisi 0.86, recall 0.91, dan f1-score 0.89. Hasil ini menunjukkan bahwa metode ini efektif dalam menganalisis sentimen. Pemilihan Duolingo sebagai objek penelitian didasari oleh penerimaan sertifikat di Universitas ternama di luar negeri.

Downloads

Download data is not yet available.

References

Ajay. (2023). Demystifying Naïve Bayes: Log Probability and Laplace Smoothing, from, https://medium.com/@dancerworld60/demystifying-na%C3%AFve-bayes-log-probability-and-laplace-smoothing-d6da61b0e70b

Alida. (2022). Kelebihan dan Kekurangan Word Cloud Sebagai Visualisasi, from, https://www-alida-com.translate.goog/the-alida-journal/the-pros-and-cons-of-word-clouds-as-visualizations?_x_tr_sl=en&_x_tr_tl=id&_x_tr_hl=id&_x_tr_pto=tc

Anderson, B. (2023). Probabilitas Posterior: desfinisi + contoh, from https://statorials.org/id/probabilitas-posterior/

Gunawan, Y., ER, N., Mahendra, I., Widiartha, I. M., Putra, I. G., & Kadyanan, I. G. (2022). “Analisis Sentimen Ulasan Aplikasi Transportasi Online Menggunakan Multinomial Naïve Bayes dan Query Expansion Ranking”. JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), 11(1), 121. https://doi.org/10.24843/jlk.2022.v11.i01.p13.

Chugani, V. (2024). A Comprehensive Guide to K-Fold Cross Validation, from, https://www.datacamp.com/tutorial/k-fold-cross-validation?utm_source=chatgpt.com

Nashirul. (2024). Rusia Tuduh Duolingo Sebarkan Propaganda LGBT, from https://hidayatullah.com/berita/2024/02/15/267890/rusia-tuduh-duolingo-sebarkan-propaganda-lgbt.html

Mulyawan, R. (2023). Text Preprocessing: Pengertian, Apa itu NLTK Library? Macam Tahapan Basic (Dasar) serta Contoh Simple dan Kodenya, from https://rifqimulyawan.com/blog/text-preprocessing/

Pratama, D., Munandar, T., & Ramdhania, K. (2024). “Multinomial Naive Bayes Algorithm for Indonesian language Sentiment Classification Related to Jakarta International Stadium (JIS)”. International Journal of Information Technology and Computer Science Applications, 2(1), 12–22. https://doi.org/10.58776/ijitcsa.v2i1.118.

Ramadhanu, A., Mahessya, R, A., Zaky, M, R., & Isra, M. (2023). “Penerapan Teknologi Machine Learning Dengan Metode Vader Pada Aplikasi Sentimen Tamu Di Hotel Dymens”. JOISIE (Journal of Information System and Informatics Engineering), 7(1), 165-173.

Sabrani, A., Gede Putu Wirarama Wedashwara, I. W., & Bimantoro, F. (2020). “Metode Multinomial Naive Bayes Untuk Klasifikasi Artikel Online Tentang Gempa di Indonesia”. JTIKA, 2(1). http://jtika.if.unram.ac.id/index.php/JTIKA/.

Sayogo, D., Irawan, B., & Bahtiar, A. (2024). “Analisis Sentimen Ulasan Instagram di Google Play Store Menggunakan Algoritma Naïve Bayes”. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3314–3319. https://doi.org/10.36040/jati.v7i6.8178.

Sholekhah, F., Putri, A. D., Rahmaddeni, R., & Efrizoni, L. (2024). “Perbandingan Algoritma Naïve Bayes dan K-Nearest Neighbors untuk Klasifikasi Metabolik Sindrom”. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 507–514. https://doi.org/10.57152/malcom.v4i2.1249.

Starmer, J. (2020) Naive Bayes, Clearly Explained. Amerika Serikat. StatQuest with John Starmer, from https://youtu.be/O2L2Uv9pdDA?si=TMEKpTU9KlX3t3cE

Suhendra, T., Intan, B., & Martadinata, A. (2024). “Analisis Sentimen Berdasarkan Ulasan Pengguna Aplikasi Mypertamina Pada Google Playstore Menggunakan Metode Naïve Bayes”. Jurnal Ilmiah Teknik dan Ilmu Komputer, 2(3), 1011–1022. https://doi.org/10.55123/storage.v2i3.2333.

Wibowo, G., Widiastuti, S., Muratno, Lolang, E., & Soraya. (2023). “Penerapan Metode Teorema Bayes Dalam Mendiagnosa Penyakit Tubercolosis”. Building of Informatics, Technology and Science (BITS), 4(4), 1782–1788. https://doi.org/10.47065/bits.v4i4.3035

Widiastuti, L., Nurlaela, D., Surniandari, D., Utami, L. (2024). “Penerapan Komparasi Algoritma Klasifikasi Pada Analisis Sentimen Aplikasi Spotify”. Jurnal Sistem Komputer Musi Rawas (Jusikom), 9(1), 23-33.

Zulfikar, W. B., Atmadja, A. R., & Pratama, S. F. (2023). “Sentiment Analysis on Social Media Against Public Policy Using Multinomial Naive Bayes”. Scientific Journal of Informatics, 10(1), 25–34. https://doi.org/10.15294/sji.v10i1.39952.