Klasifikasi Ulasan Pengguna Aplikasi Discord Menggunakan Metode Information Gain Dan Naïve Bayes Classifier

Abstract

Pada saat terjadinya covid-19, aplikasi discord banyak di download oleh masyarakat karena dapat digunakan untuk pembelajaran yang dilakukan secara daring dari rumah. Banyak ulasan yang diberikan oleh pengguna aplikasi discord di google play store. Ulasan dari pengguna dapat berisi informasi bagi pengembangan aplikasi, oleh karena itu dilakukan klasifikasi ulasan pengguna aplikasi discord. Penelitian ini menggunakan metodologi CRISP-DM dengan tahap awal dilakukan scraping web, lalu data diberi label positif dan negatif menggunakan InSet Lexicon dan setelah itu divalidasi oleh ahli bahasa. Setelah divalidasi, data akan dibersihkan dan melalui tahap preprocessing. Lalu data akan melalui tahap seleksi fitur menggunakan Information Gain dan dilanjutkan dengan algoritma Naïve Bayes Classifier. Hasil klasifikasi dengan algoritma Naive Bayes Classifier menggunakan Information Gain dibandingkan dengan yang tidak menggunakan Information Gain. Setelah dibandingkan didapatlah nilai accuracy tertinggi yaitu 84%, precision 84%, recall 84%, f1-score/f-measure 83% yang didapatkan dengan 90% data training dan 10% data testing menggunakan Information Gain.