Klasifikasi Sentimen Ulasan Baby Panda School Bus Menggunakan N-Gram TF-IDF dan XGBoost

Abstrak

Ulasan pengguna pada Google Play Store menyediakan informasi penting untuk memahami persepsi pengguna terhadap aplikasi mobile, termasuk aplikasi game edukasi anak. Namun, data ulasan umumnya berbentuk teks tidak terstruktur, informal, dan sulit dianalisis secara manual. Penelitian ini bertujuan mengklasifikasikan sentimen ulasan game edukasi anak Baby Panda School Bus menggunakan pseudo-label berbasis leksikon, n-gram TF-IDF, dan XGBoost. Dataset diperoleh dari Google Play Store dengan jumlah awal 6.299 ulasan. Setelah penghapusan duplikasi, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming, sebanyak 5.337 ulasan digunakan untuk pemodelan. Label sentimen dibentuk otomatis menggunakan leksikon InSet menjadi kelas positif, netral, dan negatif. Dataset dibagi menjadi 80% data latih dan 20% data uji secara stratified. Representasi teks yang digunakan adalah word n-gram TF-IDF dengan fitur unigram, bigram, dan trigram, kemudian diklasifikasikan menggunakan XGBoost. Hasil eksperimen menunjukkan akurasi sebesar 85,86%, macro F1-score sebesar 83,57%, dan weighted F1-score sebesar 85,61%. Hasil ini menunjukkan bahwa n-gram TF-IDF dan XGBoost efektif untuk mengklasifikasikan pola sentimen berbasis leksikon pada ulasan game mobile berbahasa Indonesia.

Identifier

• OpenAlex: https://openalex.org/W7168103227
• DOI: https://doi.org/10.25157/jsig.v4i2.6047