ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI VIDIO DI GOOGLE PLAY STORE
DOI:
https://doi.org/10.31294/conten.v4i2.6891Keywords:
Analisa Sentimen, Naive Bayes, KNN, User Reviews, Performance Evaluation, Google Play StoreAbstract
Penelitian ini mengkaji efektivitas algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen ulasan pengguna aplikasi Vidio di Google Play Store. Evaluasi kinerja kedua model dilakukan menggunakan berbagai metrik, termasuk akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa KNN mengungguli Naive Bayes dalam beberapa aspek penting. KNN mencapai akurasi 74.92% dibandingkan dengan Naive Bayes sebesar 71.32%. Dalam hal precision, KNN juga menunjukkan performa yang lebih baik dengan nilai 76.52%, sementara Naive Bayes mencapai 71.61%. Meskipun demikian, kedua model menunjukkan kinerja yang sebanding dalam hal recall, dengan KNN mencapai 72.54% dan Naive Bayes 71.46%. Yang menarik, kedua model memiliki nilai AUC yang sangat tinggi dan hampir setara, yaitu 90.10% untuk KNN dan 90.00% untuk Naive Bayes, menunjukkan kemampuan yang sangat baik dalam membedakan sentimen positif dan negatif. Berdasarkan hasil evaluasi secara keseluruhan, algoritma KNN lebih direkomendasikan untuk implementasi analisis sentimen pada ulasan pengguna aplikasi Vidio.
References
Adhiatma, F. D., & Qoiriah, A. (2022). Penerapan Metode TF-IDF dan Deep Neural Network untuk Analisa Sentimen pada Data Ulasan Hotel. Journal of Informatics and Computer Science (JINACS). https://doi.org/10.26740/jinacs.v4n02.p183-193
Ajijah, N., & Kurniawan, A. (2023). Klasifikasi Teks Mining Terhadap Analisa Isu Kegiatan Tenaga Lapangan Menggunakan Algoritma K-Nearest Neighbor (KNN). J-SAKTI (Jurnal Sains Komputer & Informatika), 7(1).
Arisandi, J. D., Budianita, E., Cynthia, E. P., Yanto, F., & Yusra, Y. (2022). Perbandingan Pembobotan Kata Menggunakan Naïve Bayes Classifier Terhadap Analisa Sentimen Permendikbud No 30 Tahun 2021. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 5(4). https://doi.org/10.32672/jnkti.v5i4.4420
Fudhail Ferio Supeli, M., & Setiaji, S. (2023). Klasifikasi Sentimen Positif Dan Negatif Pada Aplikasi Vidio Dengan Algoritma K-Nearest Neighbor. Indonesian Journal Computer Science, 2(1). https://doi.org/10.31294/ijcs.v2i1.1874
Hamdana, E. N., & Alfahmi, M. B. I. (2021). Pengembangan Sistem Analisis Sentimen Berbasis Java Pada Data Twitter Terhadap Omnibus Law Menggunakan Algoritma Naïve Bayes dan K-Nearst Neighbor (K-NN). Jurnal Informatika Polinema, 7(2). https://doi.org/10.33795/jip.v7i2.688
Ningtyas, A. A., Solichin, A., & Pradana, R. (2023). Analisis Sentimen Komentar Youtube Tentang Prediksi Resesi Ekonomi Tahun 2023 Menggunakan Algoritme Naïve Bayes. Bit (Fakultas Teknologi Informasi Universitas Budi Luhur), 20(1). https://doi.org/10.36080/bit.v20i1.2317
Nugraha, S. N., Pebrianto, R., Latif, A., & Firdaus, M. R. (2022). ANALISIS SENTIMEN TWITTER TERHADAP MENTERI INDONESIA DENGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES. E-Link: Jurnal Teknik Elektro Dan Informatika, 17(1). https://doi.org/10.30587/e-link.v17i1.3965
Waluyan, M. T., & Hartomo, K. D. (2022). Analisis Sentimen Kebutuhan Fast Track Pada Originals Vidio Menggunakan Support Vector Machine. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(3). https://doi.org/10.35957/jatisi.v9i3.2348
Yusuf Rismanda Gaja, M., Maulana, I., & Komarudin, O. (2024). ANALISIS SENTIMEN OPINI PENGGUNA APLIKASI VIDIO PADA ULASAN PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES. JATI (Jurnal Mahasiswa Teknik Informatika), 7(4). https://doi.org/10.36040/jati.v7i4.7197
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Dany Pratmanto, Aprih Widayanto, Yustina Meisella Kristania, Ubaidillah Ubaidillah , Ragil Wijianto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
