Wahyu Teja Kusuma, Leny Candra Kurniawan, Nindynar Rikatsih, Puspo Wardoyo

Analisis Sentimen Ulasan Pengguna Aplikasi Akupunktur di Play Store Menggunakan Naïve Bayes

Introduction

Analisis sentimen ulasan pengguna aplikasi akupunktur di play store menggunakan naïve bayes. Analisis sentimen ulasan aplikasi akupunktur di Play Store pakai Naïve Bayes. Pahami persepsi pengguna untuk pengembangan aplikasi kesehatan digital masa depan.

Abstract

Integrasi kemajuan teknologi ke dalam layanan kesehatan tidak dapat dihindari. WHO menekankan aspek aksesibilitas dan keamanan pasien pada integrasi teknologi dalam layanan kesehatan. Di bidang akupunktur, saat ini telah banyak sekali ulasan-ulasan pengguna aplikasi akupunktur yang memiliki potensi untuk memengaruhi kepercayaan masyarakat. Namun, belum ada penelitian yang membahas ulasan pengguna aplikasi akupunktur. Berdasarkan gap tersebut, penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi akupunktur yang telah ada di Google Play Store. Penelitian-penelitian analisis sentimen sebelumnya, banyak mengandalkan Deep Learning seperti LSTM atau BERT. LSTM atau BERT memiliki akurasi tinggi, namun membutuhkan sumber daya komputasi besar dan data latih yang massif. Dalam konteks aplikasi niche seperti aplikasi akupunktur dengan volume data ulasan yang tidak sebanyak aplikasi populer seperti WhatsApp atau TikTok, algoritma probabilistik klasik seperti Naïve Bayes sering kali terbukti lebih efisien dan andal. Naïve Bayes memiliki keunggulan dalam kecepatan komputasi, interpretabilitas yang baik, serta performa yang tetap stabil pada dataset dengan jumlah fitur yang terbatas maupun tidak seimbang. Akhirnya, penelitian ini melakukan analisis sentimen ulasan pengguna aplikasi akupunktur di Google Play Store dengan menggunakan Naïve Bayes. Penelitian ini berkontribusi menghasilkan analisis sentimen yang dapat menjadi baseline yang penting dalam pengembangan aplikasi akupunktur di masa depan.

Review

This paper proposes a timely and relevant study on the sentiment analysis of user reviews for acupuncture applications available on the Google Play Store. It rightly identifies the growing intersection of technology and healthcare, aligning with WHO's emphasis on patient accessibility and safety. The core problem addressed is the current lack of research into user feedback for acupuncture applications, despite the potential influence these reviews have on public trust and adoption. By aiming to fill this significant gap, the research establishes a clear and valuable objective: to perform sentiment analysis on this previously unexplored dataset. The methodological choice of Naïve Bayes is well-justified and articulated within the abstract. While acknowledging the high accuracy of deep learning models like LSTM and BERT in general sentiment analysis tasks, the authors make a compelling argument for opting for a classical probabilistic algorithm. They highlight the context of "niche" applications like acupuncture apps, where data volume might not be as massive as popular social media platforms, rendering deep learning models computationally intensive and potentially over-engineered. The abstract effectively posits Naïve Bayes as a more efficient and reliable alternative, citing its advantages in computational speed, interpretability, and stable performance even with limited or unbalanced feature datasets. Ultimately, this research promises to deliver a significant contribution by establishing a foundational sentiment analysis for acupuncture application user reviews. The output of this study is framed as a crucial "baseline" that can inform the future development and refinement of such applications. By providing insights into user perceptions, concerns, and satisfactions, this work can directly guide developers, practitioners, and policymakers in enhancing the quality, usability, and trustworthiness of digital health solutions in the acupuncture domain.

Full Text

Comments

You need to be logged in to post a comment.