Perbandingan Algoritma Naive Bayes dan Support Vector Machine dalam Analisis Sentimen Aplikasi teman Bus

Abstract

Penelitian ini mengevaluasi performa dua algoritma klasifikasi, yakni Naïve Bayes dan Support Vector Machine (SVM), dalam analisis sentimen ulasan pengguna terhadap aplikasi Teman Bus di Google Play store. Meskipun kedua algoritma ini telah digunakan pada analisis sentimen pada penelitian sebelumnya, belum ada studi yang secara langsung membandingkannya dalam konteks aplikasi Teman Bus. Analisis sentimen ini melibatkan pemrosesan teks dan klasifikasi sentimen untuk menilai respons pengguna terhadap layanan bus tersebut. Hasil perbandingan mengungkapkan perbedaan performa antara Naïve Bayes dan Support Vector Machine pada klasifikasi sentimen. SVM dengan kernel RBF menunjukkan akurasi sebesar 85%, lebih baik dalam menangani pola sentimen yang kompleks dan tidak linier dibandingkan dengan Naïve Bayes yang mencapai akurasi 82%, khususnya pada dataset dengan rasio pembagian data 30:70. Penelitian ini memiliki tujuan agar memberikan informasi yang lebih mendetail mengenai evaluasi pengguna terhadap layanan Teman Bus menggunakan ulasan yang ditemukan di Google Play store serta memberikan wawasan berguna untuk memilih algoritma yang tepat dalam tugas serupa di masa depan. SVM dengan kernel RBF cenderung menjadi pilihan yang lebih baik untuk analisis sentimen aplikasi Teman Bus, meskipun pemilihan algoritma terbaik tetap bergantung pada konteks dan karakteristik data yang ada.