Analisis Sentimen Pengguna Aplikasi Tantan Perbandingan Kinerja Metode Naive Bayes dan SVM

Serlindha Tri Andini; Ade  Eviyanti; Hamza  Setiawan

doi:10.32664/smatika.v15i02.1692

Penulis

Serlindha Tri Andini Universitas Muhammadiyah Sidoarjo
Ade Eviyanti Universitas Muhammadiyah Sidoarjo
Hamza Setiawan Universitas Muhammadiyah Sidoarjo

DOI:

https://doi.org/10.32664/smatika.v15i02.1692

Kata Kunci:

Sentimen Analisis, Tantan, Naive Bayes, Support Vector Machine, Kernel Sigmoid

Abstrak

Tantan, sebagai salah satu aplikasi kencan online populer di Indonesia, telah mengumpulkan berbagai ulasan pengguna yang mencerminkan pengalaman mereka. Penelitian ini bertujuan untuk menganalisis sentimen pengguna aplikasi Tantan dengan membandingkan performa algoritma Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen. Data ulasan diambil dari Google Play Store menggunakan teknik web scraping dan diproses melalui tahapan pembersihan, tokenisasi, dan ekstraksi fitur TF-IDF. Dataset yang digunakan terdiri dari 1.195 ulasan, dengan proporsi 74,6% ulasan positif dan 25,4% ulasan negatif. Model Naive Bayes menghasilkan akurasi 85,36%, dengan performa tinggi dalam mendeteksi ulasan positif (precision 86%, recall 97%). Namun, pada ulasan negatif, recall hanya mencapai 44%, menunjukkan performa yang kurang optimal. Sebaliknya, SVM dengan kernel sigmoid menunjukkan performa lebih baik secara keseluruhan, dengan akurasi 87,03%. Model ini mampu menangani ulasan negatif lebih baik dengan recall sebesar 67% dan F1-score 69%, serta tetap unggul dalam ulasan positif dengan precision 91% dan F1-score 92%.Hasil penelitian menunjukkan bahwa meskipun kedua algoritma memiliki kekuatan masing-masing, SVM dengan kernel sigmoid direkomendasikan untuk dataset ini karena keseimbangan dan stabilitas performanya. Model ini dapat memberikan wawasan berharga untuk pengembangan fitur dan strategi peningkatan kualitas aplikasi.

Referensi

[1] Y. Khai Shin BCS, “Chinese Culture, Contemporary Dating and Tantan: Exploring self-presentation in the Age of Mobile Dating Apps.”

[2] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” 2021.

[3] “7099-25292-1-PB”.

[4] M. Rezki, D. N. Kholifah, M. Faisal, R. Suryadithia, U. Bina, and S. Informatika, “Analisis Review Pengguna Google Meet dan Zoom Cloud Meeting Menggunakan Algoritma Naïve Bayes.” [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/infortech264

[5] M. Khoirul, U. Hayati, and O. Nurdiawan, “ANALISIS SENTIMEN APLIKASI BRIMO PADA ULASAN PENGGUNA DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES,” 2023.

[6] H. Dwi Putra, L. Khairani, D. Hastari, P. Studi Sistem Informasi, F. Sains dan Teknologi, and C. Author, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Comparison of Naive Bayes Classifier and Support Vector Machine Algorithms for Classifying Student Mental Health Data Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Data Kesehatan Mental Mahasiswa.” [Online]. Available: https://journal.irpi.or.id/index.php/sentimas

[7] S. Alpin Rizaldi, S. Alam, and I. Kurniawan, “ANALISIS SENTIMEN PENGGUNA APLIKASI JMO (JAMSOSTEK MOBILE) PADA GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES 1),” vol. 2, no. 3, pp. 109–117, 2023, doi: 10.55123.

[8] A. Rifa, R. Ardhani, and D. Pratama, “ANALISIS SENTIMEN TERHADAP LAYANAN APLIKASI GRAB INDONESIA MENGGUNAKAN METODE NAÏVE BAYES,” 2024.

[9] I. Kurniawan et al., “Perbandingan Algoritma Naive Bayes Dan SVM Dalam Sentimen Analisis Marketplace Pada Twitter,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 10, no. 1, 2023, [Online]. Available: http://jurnal.mdp.ac.id

[10] J. H. Joloudari, A. Marefat, M. A. Nematollahi, S. S. Oyelere, and S. Hussain, “Effective Class-Imbalance Learning Based on SMOTE and Convolutional Neural Networks,” Applied Sciences (Switzerland), vol. 13, no. 6, Mar. 2023, doi: 10.3390/app13064006.

[11] P. Manurung, “Parintan Manurung dan Guntoro, Analisis Sentimen Layanan Aplikasi Kesehatan Pada Ulasan Play Store: Systematic Literature Review Analisis Sentimen Layanan Aplikasi Kesehatan Pada Ulasan Play Store: Systematic Literature Review”.

[12] M. F. El Firdaus, N. Nurfaizah, and S. Sarmini, “Analisis Sentimen Tokopedia Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 5, p. 1329, Oct. 2022, doi: 10.30865/jurikom.v9i5.4774.

[13] A. P. Wibowo, W. Darmawan, A. Stmik, and W. Pratama, “KOMPARASI METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN PENGGUNA APLIKASI PEDULILINDUNGI,” 2022, [Online]. Available: http://ejournal.stmik-wp.ac.id

[14] K. Nugroho and F. N. Hasan, “Analisis Sentimen Masyarakat Mengenai RUU Perampasan Aset Di Twitter Menggunakan Metode Naïve Bayes,” SMATIKA JURNAL, vol. 13, no. 02, pp. 273–283, Dec. 2023, doi: 10.32664/smatika.v13i02.899.

[15] B. Irawan and A. Bahtiar, “ANALISIS SENTIMEN PENGGUNA APLIKASI SHEJEK BERDASARKAN ULASAN DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAÏVE BAYES,” 2024.

[16] A. Syaputra et al., “Klasifikasi Penyakit Daun pada Tebu dengan Pendekatan Algoritma K-Nearest Neighbors, Multilayer Perceptron dan Support Vector Machine”.

[17] M. I. Fikri, T. S. Sabrila, Y. Azhar, and U. M. Malang, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter”.

[18] A. P. Wibowo, W. Darmawan, A. Stmik, and W. Pratama, “KOMPARASI METODE NAÏVE BAYES DAN K-NEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN PENGGUNA APLIKASI PEDULILINDUNGI,” 2022, [Online]. Available: http://ejournal.stmik-wp.ac.id

[19] 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: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897.

[20] M. F. El Firdaus, N. Nurfaizah, and S. Sarmini, “Analisis Sentimen Tokopedia Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 5, p. 1329, Oct. 2022, doi: 10.30865/jurikom.v9i5.4774.