IMPLEMENTASI DATA MINING DENGANALGORITMA MULTINOMIAL NAÏVE BAYES BERDASARKANPERSEPSIREVIEW ULASAN PENGGUNA APLIKASI MYPERTAMINA PADA GOOGLE PLAY STORE

Perkembangan teknologi digital mendorong hadirnya berbagai aplikasi layanan
publik, salah satunya MyPertamina yang dimanfaatkan untuk transaksi pembelian bahan
bakar serta layanan terkait. Banyaknya ulasan yang diberikan pengguna di Google Play
Store menggambarkan beragam persepsi dan permasalahan yang dialami, sehingga
diperlukan analisis sentimen untuk mengetahui kecenderungan opini tersebut. Penelitian
ini bertujuan menganalisis sentimen ulasan pengguna aplikasi MyPertamina dengan
menerapkan algoritma Multinomial Naïve Bayes yang dikombinasikan dengan Adaptive
Synthetic Sampling (ADASYN) sebagai metode penyeimbangan data serta Particle Swarm
Optimization (PSO) untuk optimasi parameter alpha. Data yang digunakan berjumlah
11.264 ulasan hasil preprocessing dari 17.368 data mentah yang dikumpulkan selama
satu tahun pada 2024. Tahapan penelitian mencakup pengumpulan data, preprocessing
(cleaning, case folding, normalisasi teks, tokenizing, stopword removal, dan stemming),
pembagian data menggunakan K-Fold Cross Validation, penerapan algoritma, serta
evaluasi menggunakan confusion matrix dan akurasi. Hasil awal menunjukkan akurasi
80,37%, kemudian meningkat menjadi 83,29% setelah penerapan ADASYN dan optimasi
PSO, dengan kategori Good Classification berdasarkan AUC. Analisis lebih lanjut
memperlihatkan dominasi sentimen negatif terkait masalah pendaftaran, keandalan
sistem, serta fitur yang belum sesuai kebutuhan. Hasil ini diharapkan menjadi masukan
bagi pengembang dalam meningkatkan kualitas dan layanan aplikasi.
Kata Kunci: Analisis Sentimen, MyPertamina, Google PlayStore, Review Pengguna,
Multinomial Naïve Bayes, ADASYN, Particle Swarm Optimization.