Sentimen Analisis Aplikasi Digitalent Mobile Menggunakan Naïve Bayes Dan SVM Dengan Ekstraksi Fitur TT-IDF
Abstract
Penelitian ini membahas penerapan analisis sentimen pada ulasan aplikasi mobile menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM) dengan ekstraksi fitur TF-IDF (Term Frequency-Inverse Document Frequency). Analisis sentimen adalah proses penggalian informasi dari teks untuk menentukan opini yang terkandung di dalamnya, yang berguna bagi pengembang aplikasi untuk memahami umpan balik pengguna. Dataset ulasan aplikasi mobile berjumlah 378 ulasan yang dikumpulkan dan dibersihkan sebelum diekstraksi fiturnya menggunakan metode TF-IDF, yang mengukur pentingnya sebuah kata dalam dokumen relatif terhadap kumpulan dokumen. Selanjutnya, dua algoritma pembelajaran mesin, Naïve Bayes dan SVM, diterapkan untuk membangun model klasifikasi sentimen. Kinerja model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score dari hasil pengujian confussion matrix. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai akurasi 85.71%, sedangkan SVM mencapai akurasi 82.14%. Tujuan dari penelitian ini adalah menekankan pentingnya pemilihan algoritma dan teknik ekstraksi fitur dalam analisis sentimen aplikasi mobile, serta memberikan informasibagi pengembang dalam meningkatkan kualitas aplikasi berdasarkan umpan balik pengguna.
References
Alita, D., & Shodiqin, R. A. (2023). Sentimen Analisis Vaksin Covid-19 Menggunakan Naive Bayes Dan Support Vector Machine. Journal of Artificial Intelligence and Technology Information (JAITI), 1(1), 1–12. https://doi.org/10.58602/jaiti.v1i1.20
Amira Sumitro, P., Iskandar Mulyana, D., Saputro, W., Teknologi Informasi, J., Cipta Karya Informatika, S., Teknik Informatika, J., & Eresha, S. (n.d.). Terbit online pada laman web jurnal: https://ejurnalunsam.id/index.php/jicom/ Analisis Sentimen Terhadapat Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based. https://developer.twitter.com
Annisa, L., Kalifia, A. D., Bisnis, F., Humaniora, D., & Yogyakarta, U. T. (2024). Volume 2 ; Nomor 1. Januari, 302–307. https://doi.org/10.59435/gjmi.v2i1.249
Cindo, M., & Rini, D. P. (2019). Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) Literatur Review: Metode Klasifikasi Pada Sentimen Analisis. In Januari. https://seminar-id.com/semnas-sainteks2019.html
Fitri, E., Yuliani, Y., Rosyida, S., & Gata, W. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. TRANSFORMTIKA, 18(1), 71–80. www.nusamandiri.ac.id,
Gondohanindijo, J., Noersasongko, E., Pujiono, Muljono, Fanani, A. Z., Affandy, & Basuki, R. S. (2019). Comparison Method in Indonesian Emotion Speech Classification. 2019 International Seminar on Application for Technology of Information and Communication (ISemantic), 230–235. https://doi.org/10.1109/ISEMANTIC.2019.8884298
Gondohanindijo, J., Noersasongko, E., & Rosal Moses Setiadi, D. (n.d.). Multi-Features Audio Extraction for Speech Emotion Recognition Based on Deep Learning. In IJACSA) International Journal of Advanced Computer Science and Applications (Vol. 14, Issue 6). www.ijacsa.thesai.org
Gunawan, B., Sasty, H., #2, P., Esyudha, E., & #3, P. (2018). JEPIN (Jurnal Edukasi dan Penelitian Informatika) Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. 4(2), 17–29. www.femaledaily.com
Harmandini, K. P., & Muslim, K. (2024). Analysis of TF-IDF and TF-RF Feature Extraction on Product Review Sentiment. Jurnal Dan Penelitian Teknik Informatika, 8(2). https://doi.org/10.33395/v8i2.13376
Iskandar, J. W., & Nataliani, Y. (2021). Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(6), 1120–1126. https://doi.org/10.29207/resti.v5i6.3588
Kartika, E., & Gondohanindijo, J. (n.d.). RANCANG BANGUN MODEL SENTIMEN ANALISIS REVIEW PRODUK PADA TOKO ONLINE MENGGUNAKAN NAIVE BAYES.
Kasmanto, R. (2020). Analisis pelatihan online teknis big data menggunakan data logger Moodle. Jurnal Penelitian Ilmu Pendidikan, 13(2), 137–146. https://doi.org/10.21831/jpipfip.v13i2.29419
Khatib Sulaiman, J., Antibiotik di Indonesia Herdianti Darwis, P., Wanaspati, N., Anraeni, S., & Artikel Abstrak, I. (n.d.). Support Vector Machine untuk Analisis Sentimen Masyarakat Terhadap. Indonesian Journal of Computer Science Attribution, 12(4), 2196.
Matheos Sarimole, F., & Ihsan, A. N. (2023). ANALISIS SENTIMEN TWITTER TERHADAP UU CIPTA KERJA DENGAN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE TWITTER SENTIMENT ANALYSIS OF THE CIPTA KERJA LAW USING THE NAÏVE BAYES ALGORITHM AND SUPPORT VECTOR MACHINE. Journal of Information Technology and Computer Science (INTECOMS), 6(2).
Rahman Salam, R., Fajri Jamil, M., Ibrahim, Y., Rahmaddeni, Soni, & Herianto. (2023). 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) Menggunakan Support Vector Machine. 3, 27–35.
Sihombing, L. O., Hannie, H., & Dermawan, B. A. (2021). Sentimen Analisis Customer Review Produk Shopee Indonesia Menggunakan Algortima Naïve Bayes Classifier. Edumatic: Jurnal Pendidikan Informatika, 5(2), 233–242. https://doi.org/10.29408/edumatic.v5i2.4089
Suryati, E., Ari Aldino, A., Penulis Korespondensi, N., & Suryati Submitted, E. (2023). Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM). 4(1), 96–106. https://doi.org/10.33365/jtsi.v4i1.2445
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330
Wahyuni, W. (2022). Analisis Sentimen terhadap Opini Feminisme Menggunakan Metode Naive Bayes. Jurnal Informatika Ekonomi Bisnis, 148–153. https://doi.org/10.37034/infeb.v4i4.162
Widayati, Y. T., Widjaja, S., Wicaksono, A. P., Gondohanindijo, J., & Putri, C. C. (2024). Decision Tree Implementation in IT Job Recommendation System. Jurnal Transformatika, 21(2), 84. https://doi.org/10.26623/transformatika.v21i2.8328
Copyright (c) 2024 Jeremi Azero Putra, Alexander Dharmawan, Jutono Gondohanindijo
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
