Article Per Year (5 Year)
p-Index From 2021 - 2026
4.465
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri JITK (Jurnal Ilmu Pengetahuan dan Komputer) EVOLUSI : Jurnal Sains dan Manajemen Jurnal Scientia Conten : Computer and Network Technology Indonesian Journal of Networking and Security - IJNS SPEED - Sentra Penelitian Engineering dan Edukasi Informatics and Computer Engineering Journal Jurnal Informatika Teknologi dan Sains (Jinteks)
Ragil Wijianto
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Library & Information Science Mathematics

Published : 41 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 41 Documents
Search

 1   2   3   4   5 
ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI VIDIO DI GOOGLE PLAY STORE Pratmanto, Dany; Widayanto, Aprih; Kristania, Yustina Meisella; Ubaidillah , Ubaidillah; Wijianto, Ragil
CONTEN : Computer and Network Technology Vol. 4 No. 2 (2024): Desember 2024
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/conten.v4i2.6891

Abstract

Penelitian ini mengkaji efektivitas algoritma Naive Bayes (NB) dan K-Nearest Neighbors (KNN) dalam analisis sentimen ulasan pengguna aplikasi Vidio di Google Play Store. Evaluasi kinerja kedua model dilakukan menggunakan berbagai metrik, termasuk akurasi, precision, recall, dan Area Under Curve (AUC). Hasil penelitian menunjukkan bahwa KNN mengungguli Naive Bayes dalam beberapa aspek penting. KNN mencapai akurasi 74.92% dibandingkan dengan Naive Bayes sebesar 71.32%. Dalam hal precision, KNN juga menunjukkan performa yang lebih baik dengan nilai 76.52%, sementara Naive Bayes mencapai 71.61%. Meskipun demikian, kedua model menunjukkan kinerja yang sebanding dalam hal recall, dengan KNN mencapai 72.54% dan Naive Bayes 71.46%. Yang menarik, kedua model memiliki nilai AUC yang sangat tinggi dan hampir setara, yaitu 90.10% untuk KNN dan 90.00% untuk Naive Bayes, menunjukkan kemampuan yang sangat baik dalam membedakan sentimen positif dan negatif. Berdasarkan hasil evaluasi secara keseluruhan, algoritma KNN lebih direkomendasikan untuk implementasi analisis sentimen pada ulasan pengguna aplikasi Vidio.
Co-Authors Abdul Malik Yasin Ade Putra, Khoerul Amin Affan Sholahuddin Afit Muhammad Lukman Antony mulyawan Aprih Widayanto Aras Maulana Ari Anggoro - AMIK BSI Purwokerto Ariesta, Lina Arif Dwi Saputra Arif Dwi Saputra Aryani Putri, Della Chandra Kesuma Corie Mei Hellyana Dany Pratmanto Della Aryani Putri Diki, Dimas Diki Dimas Diki Diki eka rahmawati Fabriyan Fandi Dwi Imaniawan Frengki Pernando Haiqal, Muhammad Rafly Hidayat Muhammad Nur Imam Soleh M - AMIK BSI Purwokerto Ina Maryani Joko Dwi Mulyanto Judhyawan - Universitas Bina Sarana Informatika, Erick Dwi Kaliman Kaliman Khoerul Amin Ade Putra Lenny Lenny Oktavianingsih Lenny Oktavianingsih, Lenny Marifati, Imam Soleh Maryani, Ina Maulana, Aras Muhammad Nur, Hidayat Muhammad Rafly Haiqal mulyawan, Antony Mustofa Mustofa Nurdeviyanti, Yesti Nuzul Imam Fadlilah Putra - Universitas Bina Sarana Informatika, Kholil Ardiansyah Ryan Latifahul Khasanah - Universitas BSI Saefudin Saefudin Saefudin Saefudin Saefudin Saefudin Saputra, Pandu Adi Sholahuddin, Affan Sutrisno, Sutrisno Sutrisno, Sutrisno Taufik Nur Iskandar Taufik Taufik, Taufik Nur Iskandar Ubaidilah Ubaidillah , Ubaidillah Ubaidillah Ubaidillah Vadlya Maarif Vadlya Ma’arif Vembria Rose Handayani Yasin, Abdul Malik Yesti Nurdeviyanti Yustina Meisella Kristania - STMIK Nusa Mandiri Jakarta, Yustina Meisella Kristania Zainal Arifin Zainal Arifin