Perbandingan Metode Naive Bayes dan Support Vector Machine pada Analisis Sentimen Aplikasi Mamikos
Keywords:
Analisis Sentimen, Aplikasi Mamikos, Google Playstore, Naive Bayes, Support Vector Machine
Abstract
Pengguna yang mencari teman sekamar atau properti sewa dapat terhubung satu sama lain menggunakan aplikasi Mamikos. Dengan
peringkat rata-rata 4,1 dan 39.000 ulasan, aplikasi Mamikos telah diunduh oleh lebih dari satu juta orang di Google Playstore. Ulasan
yang diberikan oleh konsumen sangat berharga karena memberikan informasi penting kepada pengembang yang dapat mereka
gunakan untuk meningkatkan layanan. Pemrosesan data atau analisis sentimen diperlukan untuk memastikan nada positif, negatif,
atau netral ulasan untuk mendapatkan informasi ini. Kombinasi Naive Bayes dan Support Vector Machine digunakan untuk analisis
sentimen. Metode ini meliputi pengumpulan data, pembersihannya, pelabelannya, ekstraksi fitur (TF-IDF), penyeimbangan label
(SMOTE), pengklasifikasiannya menggunakan Naïve Bayes atau Support Vector Machine, dan terakhir, evaluasinya. Empat ribu
catatan ulasan digunakan. Sebanyak 2.148 ulasan baik, 951 ulasan negatif, dan 896 evaluasi netral diperoleh selama proses pelabelan.
Berdasarkan temuan perbandingan kedua pendekatan tersebut, Support Vector Machine mencapai tingkat akurasi yang lebih tinggi
(92% vs. 82% untuk Naive Bayes).
References
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
E. D. Destina, A. Hafya Martiza, W. Utami, A. Muhtada, and J. A. Rakaditya, “Penggunaan
Aplikasi Mamikos oleh Mahasiswa Universitas Negeri Semarang untuk Mempermudah
Mendapatkan Kos,” vol. 1, no. 4, pp. 563–577, 2022, [Online]. Available:
http://jurnalilmiah.org/journal/index.php/majemuk
F. . Ashari, A. Amini, A. . Lubis, and P. . Silalahi, “Efektivitas Aplikasi Mamikos Dalam
Meningkatkan Visitor dan Pemasaran Kos Di Kota Medan,” J. Manaj. Akunt., vol. 2, no. 3, pp.
745–754, 2022.
A. Saputra and F. Noor Hasan, “Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel
Dengan Algoritma Naïve Bayes Classifier,” SIBATIK J. J. Ilm. Bid. Sos. Ekon. Budaya, Teknol.
dan Pendidik., vol. 2, no. 2, pp. 465–474, 2023, doi: 10.54443/sibatik.v2i2.579.
M. Diki Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada
Google Play Store Menggunakan Algoritma Support Vector Machine Sentiment Analysis of Mola
Application Reviews on Google Play Store Using Support Vector Machine Algorithm,” J. Inf.
Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi
Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM
Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153–160, 2023, doi:
10.57152/malcom.v3i2.897.
A. Y. Simanjuntak, I. S. S. Simatupang, and Anita, “Implementasi Data Mining Menggunakan
Metode Naïve Bayes Classifier Untuk Data Kenaikan Pangkat Dinas,” J. Sci. Soc. Res., vol. 4307,
no. 1, pp. 85–91, 2022.
A. N. Hasanah and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online
Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro
Terap., vol. 12, no. 1, pp. 90–96, 2024, doi: 10.23960/jitet.v12i1.3628.
K. B. Sirait, M. N. Ermawati, N. Casie, P. Studi Teknik Informatika, S. AMIK Riau, and C.
Author, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Grouping of Egg
Production in West Java Province Using the K-Means Algorithm Pengelompokan Produksi Telur
di Provinsi Jawa Barat dengan Menggunakan Algoritma K-Means,” Semin. Nas. Penelit. dan
Pengabdi. Masy., pp. 207–217, 2022, [Online]. Available:
https://journal.irpi.or.id/index.php/sentimas
Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, and Susanti, “Penerapan Penerapan Data
Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random
Forest,” SATIN - Sains dan Teknol. Inf., vol. 8, no. 2, pp. 122–131, 2022, doi:
10.33372/stn.v8i2.885.
K. S. Putri, I. R. Setiawan, and A. Pambudi, “Analisis Sentimen Terhadap Brand Skincare Lokal
Menggunakan Naïve Bayes Classifier,” Technol. J. Ilm., vol. 14, no. 3, p. 227, 2023, doi:
10.31602/tji.v14i3.11259.
T. Ernayanti, M. Mustafid, A. Rusgiyono, and A. R. Hakim, “Penggunaan Seleksi Fitur Chi
Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan
Tokopedia,” J. Gaussian, vol. 11, no. 4, pp. 562–571, 2023, doi: 10.14710/j.gauss.11.4.562-571.
Ahmad Harmain, P. Paiman, H. Kurniawan, K. Kusrini, and Dina Maulina, “Normalisasi Data
Untuk Efisiensi K-Means Pada Pengelompokan Wilayah Berpotensi Kebakaran Hutan Dan Lahan
Berdasarkan Sebaran Titik Panas,” Tek. Teknol. Inf. dan Multimed., vol. 2, no. 2, pp. 83–89, 2022,
doi: 10.46764/teknimedia.v2i2.49.
10
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
D. Toresa, S. Rico Francsisco Sitorus, I. Muzdalifah, F. Wiza, and R. Syelly, “Analisis Sentimen
Terhadap Ulasan Penggunaan Dompet Digital Dana Mengunakan Metode Klasifikasi Support
Vector Machine,” Technologica, vol. 3, no. 2, pp. 64–74, 2024, doi:
10.55043/technologica.v3i2.163.
D. Pratmanto et al., “Analisa Sentimen Persepsi Masyarakat Terhadap Aplikasi Bea Cukai
Mobile Menggunakan Algoritma Naive Bayes Dan K-Nearest,” vol. 12, no. 2, pp. 92–100, 2024.
V. Oktaviana Yamin, A. Tenriawaru, L. Ode Saidi, and G. Arviana Rahman, “Penerapan Naïve
Bayes Classifier dengan Algoritma Nazief dan Adriani Untuk Deteksi Hoaks,” Pros. Semin. Nas.
Pemanfaat. Sains dan Teknol. Inf., vol. 1, no. 1, pp. 335–344, 2023.
F. P. Nursyamsyi and F. N. Hasan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi
Sentimen Terhadap Aplikasi Identitas Kependudukan Digital Menggunakan Algoritma Naïve
Bayes dan SVM,” Media Online, vol. 4, no. 3, pp. 1788–1798, 2023, doi:
10.30865/klik.v4i3.1517.
Regina, T. H. Saragih, and D. Kartini, “Analisis Sentimen Brand Ambassador Bts Terhadap
Tokopedia Menggunakan Klasifikasi Bayesian Network Dengan Ekstraksi Fitur Tf-Idf,” J.
Inform. Polinema, vol. 9, no. 4, pp. 383–390, 2023, doi: 10.33795/jip.v9i4.1333.
R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada
Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” J. Manaj. Inform., vol. 13, no. 1, pp. 84
93, 2023, doi: 10.34010/jamika.v13i1.9424.
F. S. Alnaz and W. Maharani, “Analisis Emosi Melalui Media Sosial Twitter Dengan
Menggunakan Metode Naïve Bayes dan Perbandingan Fitur N-gram dan TF-IDF,” eProceedings
…, pp. 1–14, 2021, [Online]. Available:
https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15600%
0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/1560
0/15313
K. Aditya, A. Wisnu, and A. M. A. Rahim, “Analisis Perbandingan Algoritma XGBoost Dan
Algoritma Random Forest Untuk Klasifikasi Data Kesehatan Mental,” vol. 2, no. 5, pp. 808–818,
2024.
M. R. Hunafa and A. Hermawan, “KLIK: Kajian Ilmiah Informatika dan Komputer Perbandingan
Algoritma Naïve Bayes dan K-Nearest Neighbor Pada Imbalace Class Dataset Penyakit
Diabetes,” Media Online, vol. 4, no. 3, pp. 1551–1561, 2023, doi: 10.30865/klik.v4i3.1486.
R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi
Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” J. Inform., vol. 8, no. 2, pp. 111–122,
2021, doi: 10.31294/ji.v8i2.10494.
R. W. Pratiwi, S. F. H, D. Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada
Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” J.
Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doi:
10.20895/inista.v4i1.387.
Y. Bambang Seran and S. Supatman, “Analisis Sentimen Masyarakat Terhadap Kinerja Kerja
Presiden Joko Widodo Enggunakan Algoritma Support Vector Machine,” JATI (Jurnal Mhs. Tek.
Inform., vol. 8, no. 4, pp. 7190–7195, 2024, doi: 10.36040/jati.v8i4.10171.
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
E. D. Destina, A. Hafya Martiza, W. Utami, A. Muhtada, and J. A. Rakaditya, “Penggunaan
Aplikasi Mamikos oleh Mahasiswa Universitas Negeri Semarang untuk Mempermudah
Mendapatkan Kos,” vol. 1, no. 4, pp. 563–577, 2022, [Online]. Available:
http://jurnalilmiah.org/journal/index.php/majemuk
F. . Ashari, A. Amini, A. . Lubis, and P. . Silalahi, “Efektivitas Aplikasi Mamikos Dalam
Meningkatkan Visitor dan Pemasaran Kos Di Kota Medan,” J. Manaj. Akunt., vol. 2, no. 3, pp.
745–754, 2022.
A. Saputra and F. Noor Hasan, “Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel
Dengan Algoritma Naïve Bayes Classifier,” SIBATIK J. J. Ilm. Bid. Sos. Ekon. Budaya, Teknol.
dan Pendidik., vol. 2, no. 2, pp. 465–474, 2023, doi: 10.54443/sibatik.v2i2.579.
M. Diki Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada
Google Play Store Menggunakan Algoritma Support Vector Machine Sentiment Analysis of Mola
Application Reviews on Google Play Store Using Support Vector Machine Algorithm,” J. Inf.
Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi
Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM
Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153–160, 2023, doi:
10.57152/malcom.v3i2.897.
A. Y. Simanjuntak, I. S. S. Simatupang, and Anita, “Implementasi Data Mining Menggunakan
Metode Naïve Bayes Classifier Untuk Data Kenaikan Pangkat Dinas,” J. Sci. Soc. Res., vol. 4307,
no. 1, pp. 85–91, 2022.
A. N. Hasanah and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online
Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro
Terap., vol. 12, no. 1, pp. 90–96, 2024, doi: 10.23960/jitet.v12i1.3628.
K. B. Sirait, M. N. Ermawati, N. Casie, P. Studi Teknik Informatika, S. AMIK Riau, and C.
Author, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Grouping of Egg
Production in West Java Province Using the K-Means Algorithm Pengelompokan Produksi Telur
di Provinsi Jawa Barat dengan Menggunakan Algoritma K-Means,” Semin. Nas. Penelit. dan
Pengabdi. Masy., pp. 207–217, 2022, [Online]. Available:
https://journal.irpi.or.id/index.php/sentimas
Oon Wira Yuda, Darmawan Tuti, Lim Sheih Yee, and Susanti, “Penerapan Penerapan Data
Mining Untuk Klasifikasi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Random
Forest,” SATIN - Sains dan Teknol. Inf., vol. 8, no. 2, pp. 122–131, 2022, doi:
10.33372/stn.v8i2.885.
K. S. Putri, I. R. Setiawan, and A. Pambudi, “Analisis Sentimen Terhadap Brand Skincare Lokal
Menggunakan Naïve Bayes Classifier,” Technol. J. Ilm., vol. 14, no. 3, p. 227, 2023, doi:
10.31602/tji.v14i3.11259.
T. Ernayanti, M. Mustafid, A. Rusgiyono, and A. R. Hakim, “Penggunaan Seleksi Fitur Chi
Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan
Tokopedia,” J. Gaussian, vol. 11, no. 4, pp. 562–571, 2023, doi: 10.14710/j.gauss.11.4.562-571.
Ahmad Harmain, P. Paiman, H. Kurniawan, K. Kusrini, and Dina Maulina, “Normalisasi Data
Untuk Efisiensi K-Means Pada Pengelompokan Wilayah Berpotensi Kebakaran Hutan Dan Lahan
Berdasarkan Sebaran Titik Panas,” Tek. Teknol. Inf. dan Multimed., vol. 2, no. 2, pp. 83–89, 2022,
doi: 10.46764/teknimedia.v2i2.49.
10
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
[21]
[22]
[23]
[24]
D. Toresa, S. Rico Francsisco Sitorus, I. Muzdalifah, F. Wiza, and R. Syelly, “Analisis Sentimen
Terhadap Ulasan Penggunaan Dompet Digital Dana Mengunakan Metode Klasifikasi Support
Vector Machine,” Technologica, vol. 3, no. 2, pp. 64–74, 2024, doi:
10.55043/technologica.v3i2.163.
D. Pratmanto et al., “Analisa Sentimen Persepsi Masyarakat Terhadap Aplikasi Bea Cukai
Mobile Menggunakan Algoritma Naive Bayes Dan K-Nearest,” vol. 12, no. 2, pp. 92–100, 2024.
V. Oktaviana Yamin, A. Tenriawaru, L. Ode Saidi, and G. Arviana Rahman, “Penerapan Naïve
Bayes Classifier dengan Algoritma Nazief dan Adriani Untuk Deteksi Hoaks,” Pros. Semin. Nas.
Pemanfaat. Sains dan Teknol. Inf., vol. 1, no. 1, pp. 335–344, 2023.
F. P. Nursyamsyi and F. N. Hasan, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi
Sentimen Terhadap Aplikasi Identitas Kependudukan Digital Menggunakan Algoritma Naïve
Bayes dan SVM,” Media Online, vol. 4, no. 3, pp. 1788–1798, 2023, doi:
10.30865/klik.v4i3.1517.
Regina, T. H. Saragih, and D. Kartini, “Analisis Sentimen Brand Ambassador Bts Terhadap
Tokopedia Menggunakan Klasifikasi Bayesian Network Dengan Ekstraksi Fitur Tf-Idf,” J.
Inform. Polinema, vol. 9, no. 4, pp. 383–390, 2023, doi: 10.33795/jip.v9i4.1333.
R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada
Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” J. Manaj. Inform., vol. 13, no. 1, pp. 84
93, 2023, doi: 10.34010/jamika.v13i1.9424.
F. S. Alnaz and W. Maharani, “Analisis Emosi Melalui Media Sosial Twitter Dengan
Menggunakan Metode Naïve Bayes dan Perbandingan Fitur N-gram dan TF-IDF,” eProceedings
…, pp. 1–14, 2021, [Online]. Available:
https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15600%
0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/1560
0/15313
K. Aditya, A. Wisnu, and A. M. A. Rahim, “Analisis Perbandingan Algoritma XGBoost Dan
Algoritma Random Forest Untuk Klasifikasi Data Kesehatan Mental,” vol. 2, no. 5, pp. 808–818,
2024.
M. R. Hunafa and A. Hermawan, “KLIK: Kajian Ilmiah Informatika dan Komputer Perbandingan
Algoritma Naïve Bayes dan K-Nearest Neighbor Pada Imbalace Class Dataset Penyakit
Diabetes,” Media Online, vol. 4, no. 3, pp. 1551–1561, 2023, doi: 10.30865/klik.v4i3.1486.
R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi
Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” J. Inform., vol. 8, no. 2, pp. 111–122,
2021, doi: 10.31294/ji.v8i2.10494.
R. W. Pratiwi, S. F. H, D. Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada
Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” J.
Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doi:
10.20895/inista.v4i1.387.
Y. Bambang Seran and S. Supatman, “Analisis Sentimen Masyarakat Terhadap Kinerja Kerja
Presiden Joko Widodo Enggunakan Algoritma Support Vector Machine,” JATI (Jurnal Mhs. Tek.
Inform., vol. 8, no. 4, pp. 7190–7195, 2024, doi: 10.36040/jati.v8i4.10171.
Published
2024-12-30
How to Cite
Brata, D., Nurdin, M., Ifadah, I., & Fernandez, S. (2024). Perbandingan Metode Naive Bayes dan Support Vector Machine pada Analisis Sentimen Aplikasi Mamikos. Proceedings of the National Conference on Electrical Engineering, Informatics, Industrial Technology, and Creative Media, 4(1), 766-775. Retrieved from https://centive.ittelkom-pwt.ac.id/index.php/centive/article/view/421
