Ryan Saputra, Haichal
Unknown Affiliation

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

Found 1 Documents
Search

Komparasi Kinerja Support Vector Machine dan Naive Bayes Teroptimasi pada Sentimen Ulasan Blu by BCA Mursyid, Fathony; Andelta Pinem, Marcellino; Sinaga, Abraham Imanuel; Ryan Saputra, Haichal; Rubiana, Eldika; Nur Hasan, Fuad
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7665

Abstract

 − Pertumbuhan pesat aplikasi perbankan digital Blu by BCA Digital menghasilkan volume ulasan pengguna yang besar dan tidak terstruktur. Penelitian ini bertujuan untuk menentukan model klasifikasi sentimen biner yang optimal dengan membandingkan kinerja algoritma Support Vector Machine (SVM) dan Naive Bayes (NB). Kedua algoritma dioptimasi menggunakan Particle Swarm Optimization (PSO) untuk memperoleh hiperparameter terbaik. Optimasi ini dilakukan guna meningkatkan performa klasifikasi pada data teks berbahasa Indonesia yang bersifat informal. Evaluasi model dilakukan menggunakan metrik Akurasi dan F1-Score. Hasil pengujian menunjukkan bahwa model PSO-SVM memiliki kinerja yang lebih unggul dengan akurasi 86,01% dan F1-Score (Negatif) 76,66%. Sebagai perbandingan, model PSO-NB menghasilkan akurasi 85,03% dan F1-Score (Negatif) 74,70%. Berdasarkan hasil tersebut, PSO-SVM direkomendasikan sebagai model yang paling andal untuk sistem pemantauan sentimen otomatis, khususnya dalam mendeteksi keluhan pelanggan pada industri Fintech