SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT TERHADAP PERFORMA RENDER VIDEO DENGAN METODE NAIVE BAYES

Abstract

Abstrak: Performa render video di CapCut adalah salah satu hal yang sering direview oleh pengguna, karena terdapat banyak ulasan yang berkaitan dengan proses render yang lambat, gagal, atau hasil yang tidak sesuai. Tujuan dalam penelitian ini adalah mengetahui persepsi pengguna terhadap kualitas layanan aplikasi CapCut terutama performa render dengan menganalisis sentimen review pengguna di Play Store. Data yang didapat sebanyak 3.000 dengan teknik scraping menggunakan Python dan google colab, data kemudian di filter menjadi 585 ulasan yang relevan dengan topik performa render video. Data yang didapatkan melalui proses preprocessing, sentimen labeling, pembobotan TF-IDF, dan hasilnya diklasifikasikan menggunakan metode Naive Bayes. Hasil akhir penelitian ini menunjukkan bahwa mayoritas data berada di kelas netral dengan 431 review, 105 review berdasarkan sentimen positif, dan 49 review berdasarkan sentimen negatif. Selanjutnya, model berhasil mendapatkan akurasi sebesar 73,5%, dengan performa terbaik pada sentimen netral (precision 0,74 dan recall 1,00), sementara prediksi pada kelas positif dan negatif masih lemah. Penelitian ini menunjukkan bahwa pengguna lebih banyak memberikan ulasan informatif dibandingkan penilaian emosional, namun keluhan yang muncul tetap menggambarkan adanya masalah performa render yang perlu diperbaiki. Harapan peneliti adalah penelitian ini dapat menjadi referensi bagi pengembang untuk meningkatkan stabilitas dan kecepatan proses render pada aplikasi CapCut.