Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM)
Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine (SVM) Algorithm
DOI:
https://doi.org/10.57152/malcom.v4i2.1206Keywords:
Analisis Sentimen, Naïve Bayes, Pluang, Support Vector MachineAbstract
Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.
References
E. I. Syaripudin and A. H. Mawarni, “Mekanisme Jual Beli Emas Online Melalui Aplikasi (Pluang) Persfektif Hukum Ekonomi Syari’Ah,” Jurnal Hukum Ekonomi Syariah (JHESY), vol. 2, no. 1, pp. 71–83, 2023, doi: 10.37968/jhesy.v2i1.429.
F. Sidik, I. Suhada, A. H. Anwar, and F. N. Hasan, “Analisis Sentimen Terhadap Pembelajaran Daring dengan Algoritma Naïve Bayes Classifier,” vol. 5, no. 1, pp. 34–43, 2022.
D. R. Alghifari, M. Edi, and L. Firmansyah, “Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia Bidirectional LSTM Implementation for Sentiment Analysis Against Grab Indonesia Services,” vol. 12, pp. 89–99, 2022.
Hanna Sabilla Rifai, Syafira Febrianti, and Imam Santoso, “Analisis Sentimen Tanggapan Masyarakat Terhadap Cyberbullying Di Media Sosial Menggunakan Algoritma Naïve Bayes ( Nb ),” Jurnal IKRAITH-INFORMATIKA, vol. 7, no. 2, pp. 183–196, 2023.
A. Putri et al., “Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 1, pp. 20–26, 2023, doi: 10.57152/malcom.v3i1.610.
N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal of Computer Engineering, System and Science), vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.
A. Hanafiah et al., “Sentimen analisis terhadap customer review produk shopee berbasis wordcloud dengan algoritma naïve bayes classifier sentiment analysis of customer reviews of shopee products based on wordcloud using naïve bayes classifier algorithm,” vol. 6, pp. 230–236, 2023.
F. Fitriana, E. Utami, and H. Al Fatta, “Analisis Sentimen Opini Terhadap Vaksin Covid - 19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 19–25, 2021, doi: 10.31603/komtika.v5i1.5185.
G. Balita, S. Dengan, and P. K. Cross, “Aplikasi naïve bayes classifier (nbc) pada klasifikasi status gizi balita stunting dengan pengujian k-fold cross validation 1,2,3,” vol. 11, pp. 130–139, 2022.
S. A. Aaputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analysis of E-Wallet Sentiments on Google Play Using the Naive Bayes Algorithm Based on Particle Swarm Optimization,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 3, pp. 377–382, 2019, doi: 10.29207/resti.v3i3.1118.
O. Somantri and M. Khambali, “Feature Selection Klasifikasi Kategori Cerita Pendek Menggunakan Naïve Bayes dan Algoritme Genetika,” vol. 6, no. 3, pp. 301–306, 2017.
D. Mustikananda, D. E. Ratnawati, and B. Rahayudi, “Perbandingan Algoritma Naïve Bayes dan Support Vector Machine untuk Analisis Sentimen terhadap Review Produk Aster Kosmetik Malang Marketplace Shopee,” 2022. [Online]. Available: http://j-ptiik.ub.ac.id
M. A. Khder, “Web Scrapiing or Web Crawling?: State of Art , Techniques , Approaches and Application,” vol. 13, no. 3, 2021, doi: 10.15849/IJASCA.211128.11.
E. Fitri, Y. Yuliani, S. Rosyida, and W. Gata, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes , Random Forest Dan Support Vector Machine,” vol. 18, no. 1, pp. 71–80, 2020.
A. Erfina et al., “ANALISIS SENTIMEN APLIKASI PEMBELAJARAN ONLINE DI PLAY STORE PADA MASA PANDEMI COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE,” vol. 2020, no. Semasif, pp. 145–152, 2020.
J. Homepage, R. Rahman Salam, M. Fajri Jamil, and Y. Ibrahim, “MALCOM: Indonesian Journal of Machine Learning and Computer Science Sentiment Analysis of Cash Direct Assistance Distribution for Fuel Oil Using Support Vector Machine Analisis Sentimen Terhadap Bantuan Langsung Tunai (BLT) Bahan Bakar Minyak (BBM) Menggu,” vol. 3, no. April, pp. 27–35, 2023.
A. V. Agustin and A. Voutama, “IMPLEMENTASI DATA MINING KLASIFIKASI PENYAKIT DIABETES PADA PEREMPUAN MENGGUNAKAN NAÏVE BAYES,” vol. 7, no. 2, pp. 1002–1007, 2023.
A. A. Munandar, F. Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” JOINTECS (Journal of Information Technology and Computer Science), vol. 8, no. 2, p. 77, 2023, doi: 10.31328/jointecs.v8i2.4747.
S. S. A. Umri et al., “ANALYSIS AND COMPARISON OF CLASSIFICATION”
R. Parlika, S. I. Pradika, A. M. Hakim, and K. R. N M, “Analisis Sentimen Twitter Terhadap Bitcoin Dan Cryptocurrency Berbasis Python Textblob,” J. Ilm. Teknol. Inf. dan Robot., vol. 2, no. 2, pp. 33–37, 2020, doi: 10.33005/jifti.v2i2.22.
