Article Per Year (5 Year)
p-Index From 2021 - 2026
1.116
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Ilmiah KOMPUTASI Jurnal Ilmiah Matrik Jurnal Tera
Elfitrin Syahrul
Universitas Gunadarma
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Tera

 1 
EVALUASI KINERJA SVM DAN NAÏVE BAYES PADA ANALISIS SENTIMEN ULASAN MIE GACOAN JATIWARINGIN Elfitrin Syahrul
Jurnal Tera Vol 5 No 1 (2025): Jurnal Tera (Maret 2025)
Publisher : Fakultas Teknik dan Informatika, Universitas Dian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ulasan pelanggan merupakan bentuk ekspresi subjektif yang mencerminkan pengalaman dan penilaian terhadap produk atau layanan, termasuk restoran. Meski rating numerik sering digunakan untuk menilai kualitas layanan, metode ini tidak selalu menangkap rincian keluhan atau kesan emosional pelanggan. Analisis sentimen menjadi pendekatan komputasional yang menelaah opini dalam teks guna mengidentifikasi polaritas sentimen, baik positif maupun negatif. Penelitian ini menerapkan analisis sentimen berbasis aspek pada ulasan konsumen restoran Mie Gacoan Jatiwaringin, dengan fokus pada pelayanan, lokasi, dan fasilitas. Dua algoritma klasifikasi digunakan untuk membandingkan efektivitas model: Support Vector Machine (SVM), yang mengidentifikasi hyperplane optimal untuk memisahkan sentimen, dan Naïve Bayes, yang memanfaatkan probabilitas distribusi kata untuk memprediksi polaritas. Evaluasi dilakukan terhadap akurasi klasifikasi sentimen masing-masing algoritma terhadap data ulasan yang telah melalui proses pra-pemrosesan. Hasil menunjukkan bahwa algoritma SVM mencapai akurasi sebesar 87%, sedangkan Naïve Bayes memperoleh 79%. Temuan ini mengindikasikan bahwa SVM lebih unggul dalam mengenali pola sentimen dalam konteks ulasan restoran lokal, dan dapat menjadi acuan dalam pengembangan sistem rekomendasi atau monitoring kepuasan pelanggan berbasis teks.
Co-Authors Agushinta , Dewi Faisal Akbar Fatharani, Dalila Fitrianingsih Fitrianingsih Ihsan Jatnika Khairunnisa, Aprillia Intan Lulu C Munggaran Lulu Chaerani M. Muhammad Sesio Dhia Ramadhan Nur Azmi Ratna Setyawidati Nur Azmi Ratna Setyawidati Nuryuliani Nuryuliani