Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Gishella Septania Al-Husna
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI LINKEDIN Gishella Septania Al-Husna; Dian Asmarajati; Iman Ahmad Ihsannuddin; Rina Mahmudati
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 3 No. 2 (2024): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v3i2.3602

Abstract

Dengan semakin sedikitnya informasi lowongan pekerjaan dalam bentuk cetak, teknologi informasi yang berkembang pesat membuat lowongan pekerjaan lebih mudah ditemukan secara digital melalui aplikasi, media sosial, atau website. Namun, lowongan pekerjaan dari sumber yang tidak jelas dapat menimbulkan penipuan. LinkedIn adalah salah satu aplikasi terpercaya untuk mencari lowongan pekerjaan. Penelitian ini membandingkan dua metode dalam analisis sentimen ulasan pengguna LinkedIn dari Google Play Store, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dan diproses dengan text pre-processing yang mencakup data cleaning, case folding, stopword removal, tokenizing, dan stemming. Hasil menunjukkan bahwa Naïve Bayes menghasilkan akurasi 88%, precision 88%, recall 85%, dan f1-score 86%, sementara SVM menghasilkan akurasi 90%, precision 89%, recall 88%, dan f1-score 88%. SVM terbukti lebih efektif dalam analisis sentimen dibandingkan Naïve Bayes.
Co-Authors dian asmarajati Iman Ahmad Ihsannuddin Rina Mahmudati