Abstract :
Pengguna internet di Indonesia terus meningkat dari tahun ke tahun,
mencapai 215,63 juta orang pada 2022. Namun, banyak pengguna internet di
Indonesia mengeluhkan layanan yang diberikan oleh penyedia layanan internet.
Keluhan ini muncul karena penyedia layanan tidak memberikan kontrol penuh
terhadap penggunaan layanan data dan pembagian kuota yang tidak sesuai. Untuk
mengatasi masalah tersebut, Live.On hadir sebagai penyedia layanan digital baru
dengan tujuan meningkatkan pengalaman pengguna. Untuk mengevaluasi
keberhasilan Live.On, dilakukan analisis sentimen melalui platform Google Play
untuk melihat umpan balik pengguna terkait layanan yang diberikan. Dalam
penelitian ini, data diambil melalui proses data scraping di Google Play.
Selanjutnya, data tersebut dianalisis menggunakan metode klasifikasi Naïve
Bayes dan Random Forest. Untuk mengukur tingkat kepuasan pengguna,
digunakan perhitungan Net Reputation Score (NRS). Hasil perbandingan
menunjukkan bahwa ketika teknik SMOTE tidak digunakan, Random Forest
memiliki performa yang lebih baik dibandingkan Naïve Bayes. Random Forest
memiliki akurasi sebesar 80,37%, precision 61%, recall 58%, dan f1-score 57%,
sementara Naïve Bayes memiliki akurasi 80%, precision 54%, recall 58%, dan f1-
score 56%. Ketika teknik SMOTE diterapkan, Random Forest tetap
mempertahankan performa yang lebih baik dengan akurasi 78%, precision 79%,
recall 78%, dan f1-score 78%, sementara Naïve Bayes memiliki performa yang
sama pada semua metrik dengan nilai 73%. Selain itu, berdasarkan perhitungan
NRS dengan menggunakan hasil prediksi Naïve Bayes, reputasi provider Live.On
memiliki nilai -33,08%, sedangkan menggunakan hasil prediksi Random Forest,
reputasinya mencapai -41,08%. Kedua nilai reputasi tersebut berada di bawah
rata-rata, sehingga Live.On dianggap memiliki reputasi yang buruk. Oleh karena
itu, Live.On perlu memperbaiki keluhan yang dirasakan oleh pengguna agar dapat
meningkatkan reputasinya.
Kata Kunci: Analisis Sentimen, Google Play, Live.On, Naïve Bayes, Net
Reputation Score, Random Forest