Perbandingan Metode Naive Bayes Dan Support Vector Machine Terhadap Ulasan Aplikasi Ojol The Game.
Main Article Content
Abstract
Dengan kemajuan teknologi transportasi, internet sekarang sangat memengaruhi kehidupan masyarakat dalam menjalan aktivitas dimasyarakat, dalam penelitian ini, pengguna Google Play Store meningkat sebagai platform di mana pengguna dapat memberikan ulasan tentang produk yang mereka manfaatkan bersama jumlah pengguna yang meningkat, ulasan pengguna menjadi sumber penting bagi perusahaan untuk memperbaiki dan meningkatkan produk di masa depan. Penelitian ini bertujuan untuk melakukan perbandingan metode Naive Bayes dan Support Vector Machine (SVM) dalam menganalisis ulasan pengguna aplikasi "Ojol The Game". Ulasan pengguna aplikasi Ojol The Game diklasifikasikan ke dalam dua tingkatan, yaitu positif dan negatif. Hasil penilaian dari penelitian membuktikan bahwa akurasi mencapai nilai sebesar 92%, presisi sebesar 33%, recall sebesar 6% dan f_1 score sebesar 11% untuk metode Naïve Bayes, dan untuk metode Support Vector Machine menunjukkan hasil Accuracy sebesar 90%, presisi sebesar 30%, recall sebesar 2% dan f_1 score sebesar 24%. Penelitian ini bertujuan untuk memperbaiki pengalaman dan layanan pengguna aplikasi Ojol The Game dengan memahami sentimen pengguna terhadap aplikasi tersebut. Dengan menggunakan metode Naïve Bayes dan Support Vector Machine dan metode seleksi fitur TF-IDF, perusahaan dapat mengkategorikan ulasan pengguna dengan lebih efisien.
Kata Kunci Ulasan, Naive Bayes, Support Vector Machine, Ojol The Game, Accuracy.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
[1] P. Fakhriyah, “Pengaruh Layanan Transportasi Online (Gojek) Terhadap Perluasan Lapangan Kerja Bagi Masyarakat Di Kota Cimahi,” Comm-Edu (Community Educ. Journal), vol. 3, no. 1, p. 34, 2020, doi: 10.22460/comm-edu.v3i1.3719.
[2] M. Mertika and D. Mariana, “Fenomena Game Online di Kalangan Anak Sekolah Dasar,” J. Educ. Rev. Res., vol. 3, no. 2, p. 99, 2020, doi: 10.26737/jerr.v3i2.2154.
[3] H. Bryan, R. Intan, and H. Juwiantho, “Pemanfaatan Text Summarization Dengan Support Vector Machine Dan K-Nearest Neighbor Pada Analisis Sentimen Untuk Mempermudah Pengguna Membaca Review Game Steam,” J. Infra, vol. 10, no. 1, pp. 31–36, 2022.
[4] Q. A. N. Prakoso, A. Muliawati, and I. N. Isnainiyah, “Analisis Sentimen terhadap Produk Skin Game di Forum Review Female Daily Menggunakan Metode Multinomial Naïve Bayes dan TF-IDF,” Inform. J. Ilmu Komput., vol. 18, no. 3, p. 198, 2022, doi: 10.52958/iftk.v18i3.4679.
[5] A. Guswandri, R. P. Cahyono, S. I. Akutansi, and T. Komputer, “Penerapan Sentimen Analis Menggunakan Metode Naïve Bayes Dan Svm,” Ilmudata.org, vol. 2, no. 12, pp. 2022–2023, 2022.
[6] H. Apriyani and K. Kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus,” J. Inf. Technol. Ampera, vol. 1, no. 3, pp. 133–143, 2020, doi: 10.51519/journalita.volume1.isssue3.year2020.page133-143.
[7] C. A. Sari, A. Sukmawati, R. P. Aprilli, P. S. Kayaningtias, and N. Yudistira, “Perbandingan Metode Naïve Bayes, Support Vector Machine Dan Decision Tree Dalam Klasifikasi Konsumsi Obat,” J. Litbang Edusaintech, vol. 3, no. 1, pp. 33–41, 2022, [Online]. Available: http://dx.doi.org/10.51402/jle.v3i1.47
[8] M. Zalukhu, “Analsis dan Implementasi Metode Naïve Bayes dan SVM Pada Sentimen Pemilihan Calon Presiden RI Info Artikel Abstrak,” KETIK J. Inform., vol. 1, no. 1, pp. 18–26, 2023, [Online]. Available: https://jurnal.faatuatua.com/index.php/KETIK
[9] P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 147, 2021, doi: 10.25126/jtiik.0813944.
[10] R. A. M. Muchtar, Mutmainnah, “PERBANDINGAN METODE KNN DAN SVM DALAM KLASIFIKASI KEMATANGAN BUAH MANGGA BERDASARKAN CITRA HSV DAN FITUR STATISTIK,” Brigham Young Univ., vol. 1, no. 69, pp. 5–24, 2015.
[11] H. Apriyani and Kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus (Studi Kasus : Rs. Siti Khadijah Palembang),” Bina Darma Conf. Comput. Sci., vol. 2, no. 3, pp. 118–125, 2019.
[12] F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 02, pp. 75–81, 2021, doi: 10.33884/jif.v9i02.3755.
[13] H. Najjichah, A. Sukur, and H. Subagyo, “Pengaruh Text Preprocessing dan Kombinasinya,” J. Teknol. Inf., vol. 15, no. 1, pp. 1–11, 2019, [Online]. Available: https://download.garuda.kemdikbud.go.id/article.php?article=2887463&val=25402&title=PENGARUH TEXT PREPROCESSING DAN KOMBINASINYA PADA PERINGKAS DOKUMEN OTOMATIS TEKS BERBAHASA INDONESIA
[14] S. A. R. Rizaldi, S. Alam, and I. Kurniawan, “Analisis Sentimen Pengguna Aplikasi JMO (Jamsostek Mobile) Pada Google Play Store Menggunakan Metode Naive Bayes,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 109–117, 2023, doi: 10.55123/storage.v2i3.2334.
[15] M. K. Nursyarif, M. W. Tirta, M. R. Hidayat, F. Sains, U. Muhammadiyah, and K. Timur, “Analisis Sentimen Terhadap Calon Wakil Presiden Gibran Rakabuming Raka Menggunakan Algoritma Naive Bayes,” pp. 1–7, 2024.
[16] 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,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 19–25, 2021, doi: 10.31603/komtika.v5i1.5185.