Analisis Sentimen dan Pemodelan Topik Ulasan Aplikasi Noice Menggunakan XGBoost dan LDA

Abstrak

Dalam beberapa tahun terakhir, konten audio mengalami peningkatan konsumsi. Pandemi COVID-19 juga berkontribusi terhadap peningkatan konsumsi konten audio. Dalam survei yang dilakukan pada tahun 2021, lebih dari 40% orang di Prancis, Jerman, dan Spanyol telah mendengarkan lebih banyak konten audio sejak pembatasan pertama akibat COVID-19 diberlakukan [1]. Salah satu startup yang sedang naik daun di Indonesia yang menawarkan konten audio dengan konten original dan eksklusifnya adalah Noice. Untuk menjaga kualitas layanan mereka, penting untuk melihat ulasan yang ditulis untuk aplikasi mereka. Untuk menganalisis ulasan, analisis sentimen dan pemodelan topik dapat digunakan untuk mengekstrak polaritas sentimen dan topik yang dibahas pada setiap polaritas sentimen [3]. Dalam penelitian ini, XGBoost dan Latent Dirichlet Allocation digunakan untuk menganalisis ulasan yang ditulis di Google Play Store. Hasil analisis sentimen menghasilkan akurasi, presisi, recall, dan F1-score sebesar 87,5%, 84,8%, 79,4%, dan 81,6%. Sedangkan pemodelan topik berhasil mengekstraksi 16 dan 6 topik masing-masing untuk review positif dan negatif.