Model Sentimen Analisis Berdasarkan Ulasan Aplikasi Webtoon pada Google Play Store Ditingkatkan dengan Algoritma Random Forest

Abstract

Penelitian ini bertujuan untuk meningkatkan model analisis sentimen berdasarkan ulasan aplikasi Webtoon di Google Play Store dengan algoritma Random Forest. Data ulasan dikumpulkan melalui metode web scraping, mencakup teks ulasan, skor, dan tanggal. Proses praproses teks dilakukan, termasuk penghapusan stopwords, tokenisasi, stemming, dan normalisasi untuk menghasilkan data bersih dan terstruktur. Teknik TF-IDF digunakan untuk ekstraksi fitur, mengubah teks menjadi representasi numerik yang relevan bagi algoritma pembelajaran mesin.Random Forest dipilih karena kemampuannya menangani data kompleks dan mengurangi overfitting melalui pendekatan ensemble. Algoritma ini membangun beberapa pohon keputusan yang bekerja secara kolektif untuk memprediksi sentimen ulasan. Model dilatih dan diuji pada data yang telah dibagi, menghasilkan akurasi sebesar 67,5%. Evaluasi lebih lanjut menunjukkan bahwa Random Forest memberikan performa yang baik pada metrik precision, recall, dan F1-score, terutama dalam menangani keragaman bahasa informal pada ulasan pengguna.Hasil penelitian menunjukkan bahwa Random Forest mampu meningkatkan akurasi analisis sentimen dibandingkan model baseline seperti Naïve Bayes dan SVM. Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi pengguna aplikasi Webtoon, membantu pengembang untuk meningkatkan layanan berdasarkan analisis sentimen yang lebih akurat. Selain itu, penelitian ini mendemonstrasikan potensi penerapan Random Forest dalam analisis data teks di platform digital dengan volume data besar.