ANALISIS SENTIMEN ULASAN PENGGUNA SEABANK DI GOOGLE PLAY MENGGUNAKAN PERBANDINGAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE

Abstract

Tujuan dari penelitian ini adalah untuk mempelajari perasaan pengguna terhadap ulasan yang mereka buat untuk aplikasi SeaBank yang menggunakan algoritma Naive Bayes (NB) dan Support Vector Machine (SVM). Aplikasi perbankan digital seperti Seabank telah menjadi kebutuhan sehari-hari. Sejak peluncurannya pada Februari 2021 oleh PT Bank Seabank Indonesia, telah mendapat banyak perhatian. Selama penggunaan aplikasi ini, banyak ulasan menunjukkan pendapat pengguna tentang kinerja, layanan, dan keamanan aplikasi. Memahami sentimen positif dan negatif dari ulasan pengguna. Seabank dapat mengetahui tingkat kepuasan pelanggan, kekurangan aplikasi, dan area perbaikan. Untuk mencapai hal ini, analisis data dan klasifikasi ulasan pengguna sangat penting. Penelitian ini bertujuan untuk mempelajari bagaimana dua algoritma klasifikasi, Naive Bayes (NB) dan Support Vector Machine (SVM), digunakan untuk mengklasifikasikan sentimen ulasan pengguna dengan 523 data digunakan untuk pengujian, dengan perbandingan 80% pelatihan dan 20% pengujian. Hasil pelabelan menunjukkan 418 105 sentimen positif dan 105 sentimen negatif; hasil tes akurasi dengan matrix confusion menunjukkan bahwa algoritma Naïve Bayes (NB) memiliki tingkat akurasi yang paling tinggi sebesar 95% sedangkan algoritma Support Vector Machine (SVM) memiliki nilai akurasi terendah sebesar 94%.