Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
Helma Nopijani Heidy
Universitas Teknokrat Indonesia
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Pengguna Aplikasi Jamsostek Mobile Berdasarkan Ulasan Google Play Store Menggunakan Algoritma Support Vector Machine dan Naive Bayes: Sentiment Analysis of Jamsostek Mobile Application Reviews on Google Play Store Using Support Vector Machine and Naive Bayes Algorithms Tria Setyani; Kevinda Sari; Helma Nopijani Heidy; Ryan Randy Suryono
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 1 (2026): MALCOM January 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i1.2526

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Jamsostek Mobile (JMO) yang tersedia pada Google Play Store menggunakan algoritma Support Vector Machine (SVM) dan Naive Bayes. Data yang digunakan sebanyak 6.000 ulasan pengguna yang dikumpulkan melalui teknik web scraping. Tahapan penelitian meliputi preprocessing teks (cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming), pembobotan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), pelabelan data dengan metode lexicon-based, serta klasifikasi sentimen ke dalam tiga kelas, yaitu positif, negatif, dan netral. Evaluasi performa model dilakukan menggunakan confusion matrix dan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan performa yang lebih unggul dengan nilai akurasi sebesar 88,9%, sedangkan Naive Bayes memperoleh akurasi sebesar 64,1%. SVM juga menunjukkan nilai F1-score yang lebih konsisten pada seluruh kelas sentimen dibandingkan Naive Bayes. Dengan demikian, algoritma SVM terbukti lebih efektif dan andal dalam mengklasifikasikan sentimen ulasan pengguna aplikasi JMO.
Co-Authors Kevinda Sari Ryan Randy Suryono Tria Setyani