<![CDATA[AbstrakUlasan pengguna merupakan salah satu fitur yang disediakan oleh platform Google Play Store agarpengguna dapat memberikan feedback dalam bentuk rating dan ulasan untuk aplikasi yang diunduh.Fungsi ulasan disediakan untuk mengizinkan pengguna memberikan komentar dari aplikasi yang telahdigunakan, sehingga menyediakan umpan balik bagi pengembang aplikasi. Penelitian ini membangunsebuah sistem yang dapat melakukan klasifikasi ulasan pengguna di Google Play Store termasuk kedalamulasan positif atau negatif, serta mengklasifikasikan berdasarkan faktor kualitas perangkat lunak ISO/IEC25010. Topik ini diangkat untuk memudahkan para pengembang perangkat lunak tersebut untukmemperbaiki kualitas dan kepuasan dari aplikasi berdasarkan ulasan yang diberikan oleh pengguna.Naive Bayes Classifier dipilih pada penelitian ini karena dikenal sebagai metode sederhana, cepat tetapimemiliki performansi yang tinggi dalam pengklasifikasian teks, dan untuk menanggulangi tingginyadimensi data maka Naive Bayes dikombinasikan dengan metode seleksi fitur yaitu Information Gainsebagai metode seleksi dalam memilih fitur-fitur yang berpengaruh untuk setiap label kelas. Hasilpenelitian menunjukkan bahwa, akurasi dan f-measure yang didapat pada klasifikasi dengan seleksi fiturInformation Gain yaitu 91,33% dan 89,18%. Kata kunci : Ulasan Pengguna, ISO/IEC 25010, Naive Bayes Classifier, Information Gain, Klasifikasi Teks AbstractUser reviews are one of the features provided by the Google Play Store platform so users can providefeedback in the form of ratings and reviews for downloaded applications. The review function is providedto allow users to comment on applications that have been used, thus providing feedback for applicationdevelopers. This research builds a system that can classify user reviews on the Google Play Store includingpositive or negative reviews, and classifies based on ISO / IEC 25010 software quality factors. This topic israised to make it easier for software developers to improve the quality and satisfaction of the application isbased on user reviews. Naive Bayes Classifier was chosen in this study because it is known as a simple, fastmethod but has a high performance in classifying text, and to cope with high data dimensions, Naive Bayesis combined with the feature selection method, namely Information Gain as a selection method in selectinginfluential features. for each class label. The results showed that the accuracy and f-measure obtained inthe classification by the Information Gain feature selection were 91.33% and 89.18%.Keywords: User Reviews, ISO / IEC 25010, Naive Bayes Classifier, Information Gain, Text Classification]]>
