Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknologi dan Manajemen Industri Terapan
Dila, Revyolla Ananta
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
Studi Perbandingan Naïve Bayes dan Support Vector Machine (SVM) dalam Analisis Sentimen Pengguna Metaverse Parameswari, Sang Dara; Lubis, Muharman; Suakanto, Sinung; Ramadhan, Yumna Zahran; Amanah, Raisyah Nurul; Dila, Revyolla Ananta
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 3 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i3.1122

Abstract

Penelitian ini bertujuan mengevaluasi persepsi publik di Indonesia terhadap isu metaverse melalui analisis sentimen berbasis text mining. Metaverse, yang memadukan media sosial, permainan daring, augmented reality (AR), virtual reality (VR), serta aset digital seperti cryptocurrency, semakin mendapat perhatian sejak pengumuman perubahan nama Facebook menjadi Meta pada tahun 2021 dan memunculkan beragam opini publik. Data diperoleh dari Twitter (X) dan dianalisis menggunakan dua algoritma klasifikasi teks, yaitu Naïve Bayes dan Support Vector Machine (SVM). Dalam penerapannya, Naïve Bayes menggunakan fungsi MultinomialNB, sedangkan SVM dijalankan dengan LinearSVC yang lebih sesuai untuk data teks berdimensi tinggi. Hasil penelitian menunjukkan bahwa SVM memberikan kinerja lebih baik dengan akurasi 78,3% dan Macro-F1 78,3%, dibandingkan Naïve Bayes yang memperoleh akurasi 72,4% dan Macro-F1 sebesar 60,2%. Selain itu, SVM lebih seimbang dalam mengenali seluruh kelas sentimen, khususnya kategori negatif, sementara Naïve Bayes tetap relevan sebagai baseline karena kesederhanaan dan efisiensinya. Penelitian ini berkontribusi dalam menyajikan perbandingan komparatif kedua algoritma pada analisis sentimen metaverse di Indonesia, sekaligus membuka ruang bagi pengembangan metode yang lebih mutakhir pada studi berikutnya.
Co-Authors Amanah, Raisyah Nurul Muharman Lubis Parameswari, Sang Dara Ramadhan, Yumna Zahran Sinung Suakanto