Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Muhammad Fajr Ramadhan
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

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

Found 1 Documents
Search

 1 
Perbandingan SVM dan Naive Bayes untuk Analisis Sentimen Media Sosial Muhammad Fajr Ramadhan; Damar Rizki Agastya; Bayu Riyanto; Erna Daniati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/8hjf6s59

Abstract

Analisis sentimen pada media sosial telah menjadi bidang penelitian yang berkembang pesat seiring meningkatnya volume data teks yang dihasilkan pengguna. Penelitian ini melakukan kajian literatur sistematis (Systematic Literature Review/SLR) terhadap 56 jurnal ilmiah yang membahas penerapan algoritma Naive Bayes dan Support Vector Machine (SVM) dalam analisis sentimen pada berbagai platform media sosial. Tujuan penelitian ini adalah membandingkan kinerja kedua algoritma berdasarkan metrik akurasi, precision, recall, dan F1-score, serta mengidentifikasi faktor-faktor yang mempengaruhi performanya. Hasil kajian menunjukkan bahwa SVM secara konsisten menghasilkan akurasi lebih tinggi dibandingkan Naive Bayes, dengan rata-rata akurasi SVM berkisar 83%–97% dan Naive Bayes 56%–95%. Faktor yang mempengaruhi performa kedua algoritma meliputi ukuran dan kualitas dataset, metode preprocessing teks, teknik ekstraksi fitur (TF-IDF, Word2Vec, n-gram), serta karakteristik bahasa. SVM unggul dalam menangani data berdimensi tinggi dan non-linear, sementara Naive Bayes menawarkan efisiensi komputasi lebih baik pada dataset kecil. Penelitian ini memberikan panduan pemilihan algoritma yang tepat sesuai kebutuhan analisis sentimen media sosial
Co-Authors Bayu Riyanto Damar Rizki Agastya Erna Daniati