Analisis Sentimen Ulasan Aplikasi dengan Metode Naïve Bayes dan Support Vector Machine (Studi Kasus: Behance dan Pinterest)

Abstract

Perkembangan aplikasi digital mendorong pengguna memberikan ulasan sebagai umpan balik kualitas layanan. Banyaknya ulasan menyebabkan analisis manual kurang efektif, sehingga diperlukan analisis sentimen otomatis. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna aplikasi Behance dan Pinterest menggunakan algoritma Naïve Bayes (NB) dan Support Vector Machine (SVM) serta membandingkan performa keduanya. Dataset diperoleh melalui teknik web scraping dari Google Play Store sebanyak 1.418 ulasan (709 ulasan Behance dan 709 ulasan Pinterest). Tahapan text preprocessing meliputi Transform Cases, Tokenize, Stopwords Removal, Filter Token, dan Stem Dictionary. Selanjutnya dilakukan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) dan penyeimbangan kelas menggunakan SMOTE Upsampling. Klasifikasi dilakukan menggunakan Cross Validation pada RapidMiner dengan evaluasi Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan Support Vector Machine (SVM) memberikan performa lebih baik dibandingkan Naïve Bayes (NB) pada kedua dataset. Pada dataset Behance, Support Vector Machine (SVM) memperoleh akurasi 90,14%, sedangkan Naïve Bayes (NB) memperoleh 67,45%. Pada dataset Pinterest, Support Vector Machine (SVM) memperoleh akurasi 82,47%, sedangkan Naïve Bayes (NB)  memperoleh 60,38%. Kesimpulannya, Support Vector Machine (SVM) lebih efektif dalam mengklasifikasikan sentimen ulasan aplikasi dibandingkan Naïve Bayes (NB).

GS Cited Analysis