<![CDATA[Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Binance di Google Play menggunakan dua algoritma pembelajaran mesin, yaitu Naïve Bayes (NB) dan Support Vector Machine (SVM). Untuk menangani masalah ketidakseimbangan kelas dalam data, diterapkan teknik SMOTE (Synthetic Minority Over-sampling Technique). Data yang digunakan dalam penelitian ini diambil dengan metode web scraping pada ulasan aplikasi Binance, dengan data yang disaring berdasarkan ulasan terbaru dan rating. Hasil eksperimen menunjukkan bahwa dengan penerapan SMOTE, baik algoritma Naïve Bayes maupun SVM memberikan peningkatan yang signifikan pada akurasi serta metrik evaluasi lainnya seperti precision, recall, dan F1-score. Secara keseluruhan, penelitian ini menunjukkan bahwa teknik SMOTE efektif dalam menangani ketidakseimbangan kelas pada analisis sentimen ulasan aplikasi. This study aims to analyze the sentiment of Binance app user reviews on Google Play using two machine learning algorithms, namely Naïve Bayes (NB) and Support Vector Machine (SVM). To overcome the problem of class imbalance in the data, the SMOTE (Synthetic Minority Over-sampling Technique) technique is applied. The data used in this study was taken using the web scraping method on Binance app reviews, with data filtered based on the latest reviews and ratings. The experimental results show that with the application of SMOTE, both the Naïve Bayes and SVM algorithms provide significant improvements in accuracy and other evaluation metrics such as precision, recall, and F1-score. Overall, this study shows that the SMOTE analysis technique is effective in handling class synchrony in app review sentiment.]]>
Copyrights © 2025
