Aplikasi PLN Mobile merupakan aplikasi mobile yang terintegrasi dimana pelanggan dapat dengan mudah memperoleh informasi seperti pembayaran tagihan listrik, pembelian token dan lainnya. Peringkat ulasan Google Play Store tidak selalu mencerminkan kualitas aplikasi secara akurat, karena pengguna sering kali memberikan peringkat yang tidak sesuai dengan ulasan mereka sendiri. Oleh karena itu, digunakan sistem klasifikasi untuk mengukur sentimen masyarakat terhadap aplikasi PLN Mobile. Tujuan dari penelitian ini adalah untuk menganalisis sentimen ulasan pengguna aplikasi PLN Mobile dengan mengimplementasikan Spelling Corrector kombinasi Peter Norvig dan N-Gram dengan pelabelan InSet Lexicon yang diintegrasikan dengan model Naive Bayes untuk membersihkan dan memperbaiki data teks sehingga analisis sentimen dapat dilakukan dengan lebih akurat, yang pada akhirnya akan memberikan insight yang lebih akurat mengenai persepsi pengguna terhadap aplikasi PLN Mobile. Spelling Corrector kombinasi Peter Norvig dan N-Gram dalam analisis sentimen yang bertujuan untuk memperbaiki kesalahan penulisan ejaan kata pada ulasan pengguna aplikasi PLN Mobile. Hasil dari penelitian ini adalah menghasilkan akurasi sebesar 71% dengan perbandingan 90:10. Dengan rata-rata precision sebesar 64%, rata-rata recall sebesar 64%, dan rata-rata f1-score sebesar 64%.

PLN Mobile application is an integrated mobile application where customers can easily obtain information such as electricity bill payments, token purchases and more. Google Play Store review ratings do not always accurately reflect the quality of the application, as users often give ratings that do not match their own reviews. Therefore, a classification system is used to measure public sentiment towards the PLN Mobile application. The purpose of this research is to analyze the sentiment of user reviews of the PLN Mobile application by implementing the Spelling Corrector combination of Peter Norvig and N Gram with InSet Lexicon labeling integrated with the Naive Bayes model to clean and correct text data so that sentiment analysis can be done more accurately, which in turn will provide more accurate insight into user perceptions of the PLN Mobile application. Spelling Corrector is a combination of Peter Norvig and N-Gram in sentiment analysis which aims to correct spelling errors in user reviews of the PLN Mobile application. The result of this research is to produce an accuracy of 71% with a ratio of 90:10. With an average precision of 64%, an average recall of 64%, and an average f1-score of 64%.