ANALISIS SENTIMEN PADA ULASAN APLIKASI KREDIVO DENGAN ALGORITMA SVM DAN NBC

Alman Muhammadin; Irwan Agus  Sobari

doi:10.31294/reputasi.v2i2.785

Authors

Alman Muhammadin Universitas Nusa Mandiri
Irwan Agus Sobari Universitas Nusa Mandiri

DOI:

https://doi.org/10.31294/reputasi.v2i2.785

Keywords:

Analisis sentimen, Support Vector Machine, Naïve Bayes Classifier

Abstract

Analisis sentimen Review Aplikasi Kredivo merupakan salah satu contoh proses untuk mengaplikasikan dari pada metode algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier dalam mengklasifikasi sentiment yang tujuannya adalah membandingkan kedua metode tersebut mana yang lebih baik. Data penelitian ini diambil dari website Google Play Store, data yang diambil yaitu data teks ulasan dengan jumlah 10000 ulasan. Data tersebut melewati proses Data Preprocessing dan menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC). Setelah itu dilakukan pengujian menggunakan kombinasi dari pembagian data latih dan data uji, serta menggunakan sistem set validation, dimana 80% untuk data uji dan 20% untuk data testing. Pengujian menggunakan algoritma Support Vector Machine menghasilkan akurasi 83,3% dengan nilai presisi untuk kelas positif 77% dan kelas negatif 87% sedangkan nilai recall untuk kelas positif sebesar 89% dan 73% untuk kelas negatif. Kemudian untuk algoritma Naive Bayes Classifier sendiri menghasilkan nilai akurasi sebesar 80,8% dengan nilai presisi untuk kelas positif sebesar 81% dan untuk kelas negatif sebesar 87%, sedangkan nilai recall untuk kelas positif sebesar 88% dan untuk kelas negatif sebesar 79%. Jadi untuk tingkat keseluruhan dapat dilihat dari nilai akursi dengan algoritma SVM lebih tinggi dibanding Naive Bayes Classifier.

References

Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147. https://doi.org/10.25126/jtiik.0813944

Husada, H. C., & Paramita, A. S. (2021). Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM). Teknika, 10(1), 18–26. https://doi.org/10.34148/teknika.v10i1.311.

Ikasari, D. (2021). SENTIMENT ANALYSIS REVIEW NOVEL “ GOODREADS ” BERBAHASA INDONESIA MENGGUNAKAN NAÏVE BAYES. 760–765.

Luqyana, W. A., Cholissodin, I., & Perdana, R. S. (2018). Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4704–4713.

Mahendrajaya, R., Buntoro, G. A., & Setyawan, M. B. (2019). Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine. Komputek, 3(2), 52. https://doi.org/10.24269/jkt.v3i2.270.

Pushpita Anna Octaviani, Yuciana Wilandari, D. I. (2014). Penerapan Metode SVM Pada Data Akreditasi Sekolah Dasar Di Kabupaten Magelang. 3(8), 811–820.

Ratnawati, F. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. INOVTEK Polbeng - Seri Informatika, 3(1), 50–59. https://doi.org/10.35314/isi.v3i1.335.

Sodik, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM , NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter. Prisma, 4, 628–634.