Dimas Suhada Pengarang Clarissa Elfira Amos Pah Dosen Pembimbing 2 Sebastianus A. S. Mola, S.T., M.Kom Dosen Pembimbing 1 Meiton Boru Penguji 2 Emerensye S. Y. Pandie, S.Kom, M.Kom Ketua Penguji Juan Rizky Mannuel Ledoh, S.Kom., M.Cs Penguji 1

PT Pertamina sebagai salah satu perusahaan energi terbesar di Indonesia terus berupaya meningkatkan efisiensi layanan melalui inovasi berbasis teknologi. Salah satu upaya tersebut adalah peluncuran aplikasi MyPertamina yang dirancang untuk memfasilitasi transaksi non-tunai dan memberikan kemudahan bagi pengguna. Namun, implementasi aplikasi ini masih menghadapi berbagai tantangan. Berdasarkan ulasan pengguna di Google Play Store, terdapat beragam persepsi mengenai kelebihan dan kekurangan MyPertamina. Ulasan ini menjadi penting karena dapat memberikan wawasan tentang efektivitas aplikasi serta aspek yang perlu diperbaiki. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap ulasan MyPertamina dengan mengombinasikan metode Naïve Bayes dan pendekatan Lexicon. Metode Naïve Bayes digunakan karena sederhana dan terbukti memberikan hasil prediksi yang akurat. Dan Lexicon-based akan memberikan hasil pelabelan yang lebih cepat tanpa memerlukan tenaga manusia yang signifikan Penelitian ini menggunakan 5.246 data ulasan pengguna yang dikumpulkan melalui teknik web scraping. Proses selanjutnya meliputi text preprocessing, pelabelan sentimen dengan InSet dan SentiStrength Lexicon, pembobotan kata menggunakan TF-IDF dan TF-RF, pembagian data dengan k-fold cross validation, serta klasifikasi menggunakan Naïve Bayes dengan evaluasi confusion matrix. Hasil penelitian menunjukkan bahwa sentimen pengguna cenderung negatif, dengan keluhan utama terkait kesulitan pendaftaran, lamanya waktu verifikasi, dan masalah fitur barcode. Hasil pengujian dengan 5-fold cross validation pada dua skenario menunjukkan bahwa metode pembobotan TF-RF memberikan kinerja lebih baik dibandingkan TF-IDF. Pada skenario 1 dengan InSet Lexicon, akurasi model Naïve Bayes mencapai 92,93% dengan TF-IDF dan 93,43% dengan TF-RF. Sementara itu, pada skenario 2 dengan SentiStrength, akurasi mencapai 90,30% dengan TFIDF dan 90,45% dengan TF-RF. Kata Kunci: Analisis Sentimen, Naïve Bayes, Lexicon-Based, TF-RF, MyPertamina