Perbandingan Kinerja Metode Naïve Bayes Classifier dan K-Nearest Neighbor pada Analisis Sentimen Ulasan Mobile Banking Jenius

Anggi Tri Dewi Septiani (Program Studi Informatika, Fakultas Ilmu Komputer, Universitas Amikom Purwokerto)
Adam Prayogo Kuncoro (Program Studi Informatika, Fakultas Ilmu Komputer, Universitas Amikom Purwokerto)
Pungkas Subarkah (Program Studi Informatika, Fakultas Ilmu Komputer, Universitas Amikom Purwokerto)
Riyanto Riyanto (Program Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Amikom Purwokerto)

Jurnal Krisnadana
Vol 3 No 2 (2024): Jurnal Krisnadana – Januari 2024

Salah satu dampak revolusi industri 4.0 adalah terjadinya persaingan antara bank dengan fintech, supaya tidak tertinggal bank melakukan inovasi dengan menciptakan mobile banking, hingga di Indonesia jumlah pengguna mobile banking setiap tahun semakin meningkat dan nasabah semakin banyak sehingga bank perlu untuk memperhatikan kepuasan pelanggan.Analisis sentimen adalah salah satu solusi yang dapat digunakan untuk melihat kepuasan pelanggan dari opini pengguna aplikasi mobile banking.Pada penelitian ini penulis memiliki tujuan untuk membandingkan kinerja metode Naïve Bayes Classifier dan K-Nearest Neighbor terhadap ulasan mobile banking. Adapun pengujian dari 2000 data yang dibagi menjadi 1600 data latih dan 400 data uji.Hasil analisa menunjukan bahwa metode K-Nearest Neighbor lebih unggul dalam menganalisis sentimen dan hasil performance confusion matrix menunjukan hasil akurasi K-Nearest Neighbor unggul dengan akurasi sebesar 84,06% dan 83,06% sedangkan Naïve Bayes Classifier memperoleh hasil akurasi sebesar 83,06% dan 82,56%.