Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer
Adam, Muhammad Ghaly
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical 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 X Emiliana, Meutia Raissa; Fata, Muhammad Riza Indra; Adam, Muhammad Ghaly
Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer) Vol 5 No 2 (2025): Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitekt
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakadata.v5i2.1460

Abstract

Kemajuan teknologi digital telah mendorong meningkatnya penggunaan aplikasi mobile sebagai media untuk memperoleh informasi, melakukan komunikasi, serta mendukung berbagai aktivitas pengguna. Aplikasi X merupakan salah satu platform yang banyak dimanfaatkan, sehingga beragam ulasan yang diberikan oleh pengguna muncul sebagai representasi persepsi pengguna mengenai kualitas layanan yang diterima serta tingkat kenyamanan yang mereka rasakan saat memanfaatkannya. Informasi tersebut penting untuk dianalisis guna mengidentifikasi kecenderungan sentimen pengguna secara komprehensif. Penelitian ini mengkaji perbedaan performa dua algoritma machine learning, yakni Naïve Bayes dan Support Vector Machine, dalam mengklasifikasikan sentimen pada ulasan pengguna yang diperoleh melalui teknik web scraping dari Google Play Store. Dataset yang diambil selanjutnya diproses melalui serangkaian tahap text preprocessing, meliputi pembersihan data, normalisasi huruf, tokenisasi, eliminasi stopword, serta proses stemming. Berdasarkan hasil pengujian, Support Vector Machine menunjukkan kinerja yang lebih unggul dengan akurasi mencapai 0.984 dan F1-Score sebesar 0.840, sementara Naïve Bayes menghasilkan akurasi 0.849 dan F1-Score 0.550. Dengan demikian, Support Vector Machine dinilai lebih efektif dalam mengidentifikasi sentimen pengguna dan direkomendasikan sebagai metode yang lebih optimal untuk analisis ulasan pada aplikasi mobile yang memiliki karakteristik serupa.
Co-Authors Emiliana, Meutia Raissa Fata, Muhammad Riza Indra