Analisis Sentimen Review Pelanggan Restoran Menggunakan Algoritma Support Vector Machine Dan K-Nearest Neighbor

Bintang Sifa Amalia
Yuyun Umaidah (Universitas Singaperbangsa Karawang)
Rini Mayasari (Universitas Singaperbangsa Karawang)

SITEKIN: Jurnal Sains, Teknologi dan Industri
Vol 19, No 1 (2021): Desember 2021

Pada masa pandemi adanya virus corona ini hampir sebagian orang berdiam diri dirumah untuk mematuhi peraturan yang sudah dirancang oleh pemerintah. Bahkan sebagian orang kewalahan mencari bahan makanan atau malas untuk memasak dirumah sebab bahan makanan untuk dimakan telah habis, karena itu seiring berkembangnya teknologi memanfaatkan dengan memesan makanan pesan antar secara online salah satu restoran yang menyediakan jasa pesan antar makanan yaitu solaria. Pada penelitian kali ini akan menganalisis sentiment review pelanggan restoran yang masuk ke dalam 2 kelas yaitu positif dan negatif menggunakan algoritma support vector machine (svm) dan algoritma k-Nearest Neighbor (knn) dan menggunakan metode Crisp-dm untuk membandingkan hasil klasifikasi antara kedua algoritma tersebut. Hasil pengujian membuktikan bahwa algortima SVM memiliki hasil kinerja lebih baik daripada algoritma k-NN pada kasus ini menghasilkan nilai akurasi sebesar 81.92%.