Claim Missing Document
Check
Articles

Found 1 Documents
Search

Perbandingan Model K-Nearest Neighbor dan Support Vector Machine untuk Klasifikasi Sentimen Pengguna Berdasarkan Ulasan Aplikasi GOPAY Kurniawan, Moh Adi; Syauqi, Gutti Zaidan; Sirullah, Mohammad Fajar; Arifin, Muhammad
Jurnal Riset Informatika dan Inovasi Vol 2 No 12 (2025): JRIIN: Jurnal Riset Informatika dan Inovasi
Publisher : shofanah Media Berkah

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

Abstract

Aplikasi digital seperti GOPAY memungkinkan pengguna memberikan ulasan yang berisi pengalaman dan penilaian terhadap layanan. Ulasan tersebut dapat digunakan untuk mengevaluasi kepuasan dan sentimen pengguna terhadap aplikasi. Tujuan dari penelitian ini adalah untuk melakukan perbandingan antara dua algoritma klasifikasi, yaitu K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dalam melakukan analisis sentimen pengguna berdasarkan ulasan aplikasi yang tersedia di Google Play Store. Data yang digunakan diperoleh dari platform Kaggle, kemudian diproses melalui tahap preprocessing teks serta ekstraksi fitur dengan metode TF-IDF. Kinerja model dievaluasi menggunakan metrik seperti akurasi, presisi, recall, dan F1-score. Berdasarkan hasil evaluasi, algoritma SVM menunjukkan performa terbaik dengan akurasi mencapai 86%, sedangkan KNN hanya mencapai 79%. Dengan demikian, metode SVM lebih direkomendasikan dalam klasifikasi sentimen berbasis teks.