Penerapan Metode Naive Bayes Untuk Klarifikasi Keluhan Pengguna Aplikasi MyTelkomsel

Abstract

Menganalisis keluhan pengguna terhadap aplikasi MyTelkomsel dengan menggunakan metode Naive Bayes sebagai model klasifikasi teks adalah tujuan utama dari penelitian ini. Data yang digunakan berupa 800 ulasan negatif yang kumpulkan dari Google Play Store pada periode 1 Mei hingga 1 September 2025. Proses pengolahan data dilakukan dengan beberapa tahap, yaitu pembersihan data (cleaning), case folding, normalisasi, stopword removal, tokenisasi, dan stemming. Setelah itu, data direpresentasikan menggunakan metode TF-IDF dan diberi label secara manual berdasarkan isi keluhan yang terkandung dalam ulasan pengguna. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes mampu melakukan klasifikasi keluhan pengguna dengan akurasi sebesar 78%, precision 54,5%, recall 71,4%, dan F1-score 61,8%. Berdasarkan hasil klasifikasi, kategori masalah layanan menjadi keluhan paling dominan dengan persentase sebesar 36,25%, diikuti oleh kategori harga paket mahal (17,25%) dan fitur aplikasi (9,50%). Hasil ini menunjukkan bahwa sebagian besar pengguna mengalami kendala pada koneksi jaringan, kestabilan aplikasi, serta harga paket yang dinilai terlalu tinggi. Dapat disimpulkan bahwa metode Naïve Bayes efektif digunakan untuk mengidentifikasi dan mengelompokkan keluhan pengguna aplikasi MyTelkomsel. Temuan penelitian ini diharapkan dapat membantu pengembang aplikasi dan pihak Telkomsel dalam memahami fokus utama permasalahan pengguna serta menjadi dasar dalam peningkatan kualitas layanan dan kepuasan pelanggan.