Mengetahui kepuasan pengguna merupakan suatu hal yang penting dilakukan oleh Duolingo. Terdapat banyak cara yang dapat dilakukan oleh Duolingo untuk mendapatkan feedback dari pengguna. Salah satunya adalah dengan menggali opini pengguna melalui ulasan pengguna di Google Play. Dengan melakukan analisis sentimen dan pemodelan topik, Duolingo mampu mengetahui bagaimana pandangan pengguna terhadap aplikasi tanpa harus membaca seluruh ulasan yang jumlahnya dapat mencapai ratusan ribu.
Algoritma Naive-Bayes Classifier (NBC) mampu digunakan untuk melakukan analisis sentimen. Dari penelitian ini, model dengan rasio pembagian data 80:20 menghasilkan kinerja yang sangat baik yaitu accuracy senilai 90.51%. Di sisi lain, Latent Dirichlet Allocation (LDA) digunakan untuk melakukan pemodelan topik. Hasil dari penelitian ini menemukan jika jumlah topik optimum yang banyak dibicarakan pada ulasasn pengguna Duolingo adalah masing-masing 5 topik baik itu yang bersentimen positif maupun negatif.
Berdasarkan penelitian ini, mayoritas pengguna Duolingo memberikan ulasan dengan sentimen yang positif. Mayoritas pengguna merasa jika Duolingo merupakan aplikasi yang bagus dan sangat membantu dalam mempelajari bahasa asing. Namun, tidak sedikit pula pengguna yang menyampaikan keluhannya terhadap aplikasi Duolingo baik dari segi fitur, kinerja aplikasi, maupun konten. Penelitian ini menunjukkan jika Naive-Bayes Classifier (NBC) dan Latent Dirichlet Allocation (LDA) sangat cocok dan mampu bekerja dengan baik dalam analisis sentimen dan pemodelan topik pada ulasan pengguna aplikasi Duolingo pada platform Google Play.
Kata Kunci — Duolingo, Kepuasan pengguna, LDA , NBC