Sentuh Tanahku adalah aplikasi yang dikembangkan oleh Kementerian ATR/BPN untuk menjawab pertanyaan masyarakat mengenai pertanahan, seperti pencatatan tanah dan pelayanan sertifikat tanah. Ulasan aplikasi ini di Google Play Store mencakup berbagai komentar dari pengguna, baik yang positif maupun negatif tergantung pada tingkat kepuasan. Ulasan-ulasan ini mendorong peneliti untuk menganalisis pandangan pengguna setelah menggunakan aplikasi tersebut. Penelitian ini menggunakan algoritma Naive Bayes untuk menganalisis sentimen, dengan 2000 dataset ulasan yang diambil melalui scraping dari Google Play Store. Data dibagi menjadi tiga bagian 80% untuk pelatihan, 10% untuk pengujian, dan 10% untuk validasi. Penelitian ini fokus pada analisis sentimen menggunakan Lexicon Vader, yang digunakan untuk memberi label pada sentimen dengan metode Naive Bayes. Lexicon Vader membantu mengidentifikasi sentimen sebagai positif, negatif, atau netral. Hasil pelabelan menggunakan library Vader Sentiment menunjukkan 999 sentimen positif, 312 sentimen negatif, dan 689 sentimen netral. Evaluasi dengan Confusion Matrix menunjukkan bahwa model Naive Bayes mencapai akurasi sebesar 73%. Hasil penelitian menunjukkan bahwa kombinasi pelabelan sentimen menggunakan Lexicon Vader, TF-IDF, dan metode Naive Bayes merupakan pendekatan yang efektif dan efisien dalam mengklasifikasikan ulasan aplikasi.

Sentuh Tanahku is an application developed by the Ministry of ATR/BPN to answer public questions regarding land, such as land registration and land certificate services. Reviews of this app on the Google Play Store include various comments from users, both positive and negative depending on the level of satisfaction. These reviews encourage researchers to analyze users' views after using the application. This research uses the Naive Bayes algorithm to analyze sentiment, with a 2000 review dataset retrieved through scraping from the Google Play Store. The data is divided into three parts 80% for training, 10% for testing, and 10% for validation. This research focuses on sentiment analysis using the Vader Lexicon, which is used to label sentiments with the Naive Bayes method. The Vader Lexicon helps identify sentiments as positive, negative, or neutral. Labeling results using the Vader Sentiment library show 999 positive sentiments, 312 negative sentiments, and 689 neutral sentiments. Evaluation with Confusion Matrix showed that the Naive Bayes model achieved 73% accuracy. The results show that the combination of sentiment Labeling using Vader Lexicon, TF-IDF, and Naive Bayes method is an effective and efficient approach in classifying app reviews.