Komparasi Algoritma Support Vector Machine dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo

Abstract

Perbankan merupakan industri yang saat ini sudah berkembang dalam pemanfaatan teknologi informasi dengan meningkatkan standar kualitas layanan agar dapat bersaing dipasar pada era digital yang semakin ketat. Pada saat ini bank BRI sedang menarik perhatian masyarakat akan kualitas pembaharuan dengan meluncurkan aplikasi mobile banking, maka dari itu dilakukanlah analisis mengenai ulasan pengguna mobile banking BRImo untuk dijadikan sebagai objek penelitian dengan melakukan komparasi metode klasifikasi text mining. Penelitian ini bertujuan untuk mengetahui hasil komparasi algoritma Support vector machine dan Naive bayes. Algoritma Support vector machine dan Naive bayes adalah suatu metode klasifikasi untuk mengolah data berupa teks dengan tingkat akurasi yang baik. Algoritma ini biasanya digunakan untuk analisis text mining dengan 4 tahapan yaitu Scrapping data, Preprocessing, Klasifikasi dan evaluasi. Pada tahap preprocessing memiliki beberapa proses diantaranya filtering, labeling, case folding, tokenization, stopword removal & Stemming dan normalisasi agar mendapatkan suatu kata yang bisa diklasifikasikan. Hasil dari penelitian ini yaitu algoritma Support vector machine merupakan algortima yang lebih baik dalam klasifikasi data ulasan aplikasi mobile banking BRImo dengan nilai akurasi sebesar 97,69% dibandingkan algoritma Naive Bayes dengan nilai akurasi sebesar 96,53%.

Komparasi Payment Digital Untuk Analisis Sentimen Berdasarkan Ulasan Di Google Playstore Menggunakan Metode Support Vector Machine

“…Sehingga dapat disimpulkan algoritma Support Vector Machine ini memiliki nilai lebih baik dari pada algoritma Naïve bayes untuk klasifikasi data ulasan aplikasi mobile banking BRImo. (Astuti, Alam and Jaelani, 2023) Berdasarkan informasi diatas tujuan untuk penelitian ini yaitu membandingkan aplikasi payment digital Dana dan Ovo berdasarkan ulasan di google playstore menggunakan metode suport vector machine.…”

Komparasi Algoritma Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Metaverse

“…Penelitian terdahulupun pernah dilakukan pada komparasi algoritma Support Vector Machine (SVM) dengan Naive Bayes untuk sentimen analisis. Seperti pada aplikasi BRImo yang di lakukan oleh Anggi Puji dengan hasil akurasi 97,56%, namun pada Naive Bayes dengan akurasi 96,52% dari 5000 ulasan yang di ambil [30] . Artinya pada penelitian terdahulu, penggunaaan algoritma Support Vector Machine ditambah dengan Naive Bayes bertujuan untuk melakukan komparasi agar mengetahui nilai akurasi mana yang lebih baik [31], [32].…”