1. Analisis Sentimen Pengguna Aplikasi iQIYI pada Google Play Store Menggunakan Algoritma Naive Bayes Berbasis SMOTE dan AdaBoost.
2. Penerapan Algoritma Naive Bayes dengan Teknik SMOTE dan AdaBoost dalam Analisis Sentimen Ulasan Aplikasi Streaming iQIYI di Google Play Store.
3. Klasifikasi Sentimen Ulasan Pengguna Aplikasi iQIYI di Google Play Store Menggunakan Algoritma Naive Bayes yang Dioptimasi dengan SMOTE dan AdaBoost.

1. Belum tersedianya sistem analisis sentimen khusus (sentiment analysis system) yang dapat mengolah ulasan pengguna aplikasi iQIYI di Google Play Store secara otomatis, sehingga masukkan dari pengguna belum dapat dimanfaatkan secara optimal oleh pengembang maupun stakeholder.
2. Pengelolaan ulasan pengguna saat ini masih manual dan tidak terstruktur, sehingga menyulitkan proses identifikasi sentimen positif, negatif, maupun netral secara cepat dan akurat dari ribuan data ulasan yang tersedia.
3. Tidak adanya klasifikasi sentimen berbasis data mengakibatkan umpan balik pengguna seperti keluhan fitur, kualitas layanan streaming, dan pengalaman antarmuka seringkali tidak terdeteksi atau lambat ditindaklanjuti.
4. Perlu adanya penerapan algoritma klasifikasi teks yang tepat, yaitu Algoritma Naive Bayes, untuk mengklasifikasikan ulasan pengguna aplikasi iQIYI menjadi kategori sentimen yang terukur dan dapat dijadikan dasar pengambilan keputusan pengembangan aplikasi.

1. Mengidentifikasi dan menganalisis sentimen pengguna aplikasi iQIYI pada platform Google Play Store dengan menggunakan algoritma Naive Bayes untuk melakukan klasifikasi ulasan ke dalam kategori positif dan negatif.
2. Mengukur serta mengevaluasi performa model pada klasifikasi sentimen tersebut dengan mengimplementasikan fitur Adaptive Boosting (AdaBoost) dan Synthetic Minority Over-Sampling Technique (SMOTE) guna memperkuat tingkat akurasi model dalam mengklasifikasi sentimen pengguna.

Manfaat Teoritis 

• Penelitian ini memberikan kontribusi pada bidang Natural Language Processing (NLP) dan analisis sentimen dengan membuktikan efektivitas teknik pengolahan teks tidak terstruktur menjadi informasi yang terorganisir.
• Penelitian ini menguji keandalan Algoritma Naïve Bayes yang diperkuat dengan teknik SMOTE (untuk menangani ketidakseimbangan data) dan AdaBoost (untuk meningkatkan akurasi), sehingga memperkaya literatur mengenai strategi peningkatan performa model klasifikasi.
• Hasil dari penelitian ini dapat menjadi acuan atau dasar literatur bagi peneliti lain yang ingin mengembangkan analisis sentimen pada platform hiburan digital atau menggunakan metode pengujian yang serupa.

Manfaat Praktis

• Membantu tim pengembang iQIYI untuk memahami dinamika persepsi dan tingkat kepuasan pengguna terhadap layanan mereka secara sistematis dan terukur melalui ribuan ulasan di Google Play Store.
• Membantu mendeteksi masalah teknis yang sering dikeluhkan (seperti bug, kendala sistem VIP, atau buffering) yang mungkin tidak terlihat jelas hanya melalui rating bintang, sehingga pengembang dapat melakukan perbaikan layanan secara tepat sasaran.
• Memberikan masukan data yang akurat bagi manajemen untuk mengambil keputusan strategis guna mencegah pengguna beralih ke platform kompetitor di tengah persaingan ketat platform streaming.
• Menyediakan metode otomatisasi klasifikasi ulasan sehingga pihak pengelola aplikasi tidak perlu menganalisis ribuan teks ulasan secara manual, yang menghemat waktu dan sumber daya.

• Pengumpulan Data (Web Scraping): Mengumpulkan data ulasan pengguna aplikasi iQIYI dari Google Play Store menggunakan teknik web scraping sebagai dataset utama yang akan dianalisis.
• Pelabelan Data (Labeling): Melakukan klasifikasi terhadap ulasan-ulasan yang telah diperoleh menjadi sentimen positif atau negatif berdasarkan rating yang diberikan oleh pengguna.
• Pra-pemrosesan Data (Preprocessing): Memproses data teks ulasan melalui tahap pembersihan data (text cleaning), tokenisasi, stemming, dan penghapusan stopwords guna menghasilkan data yang bersih dan siap dianalisis.
• Penerapan Algoritma Naïve Bayes: Menerapkan algoritma Naïve Bayes untuk membangun model klasifikasi sentimen, dilengkapi dengan implementasi SMOTE dan AdaBoost untuk meningkatkan akurasi model.
• Evaluasi Model: Menggunakan Confusion Matrix yang mencakup nilai akurasi (accuracy), presisi (precision), recall, dan nilai AUC (Area Under The Curve) untuk menilai kinerja model terhadap dataset.

-

1. Tahap Studi Pendahuluan: Melakukan kajian literatur terkait teori Analisis Sentimen, Natural Language Processing (NLP), Algoritma Naïve Bayes, serta teknik optimasi SMOTE dan AdaBoost, sekaligus melakukan studi awal terhadap kondisi ulasan pengguna aplikasi iQIYI di Google Play Store sebagai latar belakang permasalahan.
2. Tahap Pengumpulan Data: Mengumpulkan data ulasan pengguna aplikasi iQIYI dari platform Google Play Store menggunakan teknik web scraping sebagai dataset utama yang akan dianalisis dalam penelitian.
3. Tahap Pelabelan Data (Labeling): Melakukan klasifikasi awal terhadap ulasan-ulasan yang telah diperoleh menjadi sentimen positif atau negatif berdasarkan rating bintang yang diberikan oleh pengguna sebagai acuan label.
4. Tahap Preprocessing Data: Memproses data teks ulasan melalui serangkaian tahap pembersihan data (text cleaning), tokenisasi, stemming, dan penghapusan stopwords guna menghasilkan data yang bersih dan siap dianalisis oleh model.
5. Tahap Pemodelan dan Penerapan Algoritma: Menerapkan Algoritma Naïve Bayes untuk membangun model klasifikasi sentimen, dilengkapi dengan implementasi teknik Synthetic Minority Over-Sampling Technique (SMOTE) dan Adaptive Boosting (AdaBoost) untuk meningkatkan akurasi dan keseimbangan model.
6. Tahap Evaluasi Model: Mengukur dan mengevaluasi performa model klasifikasi menggunakan Confusion Matrix yang mencakup nilai akurasi (accuracy), presisi (precision), recall, dan nilai AUC (Area Under The Curve) guna menilai efektivitas model terhadap dataset.
7. Tahap Analisis dan Penyusunan Laporan: Menganalisis hasil evaluasi model untuk menarik kesimpulan mengenai efektivitas Algoritma Naïve Bayes dalam mengklasifikasikan sentimen pengguna iQIYI, serta mendokumentasikan seluruh proses penelitian ke dalam laporan akhir.