KOMPARASI KINERJA KNN DAN NAÏVE BAYES UNTUK KLASIFIKASI SENTIMEN PENGGUNA APLIKASI DEEPSEEK AI

Fathoni, Fathoni
Khoiriyah Harahap, Dayana
Theresia Pardede, Eva
Nachwa, Syakillah
Ramadhani Maulizidan, Muammar
Ibrahim, Ali

JATI (Jurnal Mahasiswa Teknik Informatika)
Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4

Perkembangan Artificial Intelligence (AI), khususnya dalam Generative Artificial Intelligence (GenAI), telah menghasilkan berbagai model berbasis Large Language Model (LLM) yang mampu memahami dan menghasilkan teks menyerupai bahasa manusia. DeepSeek AI menjadi model yang baru-baru ini menarik perhatian publik. Penelitian ini menguji performa algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam analisis sentimen aplikasi DeepSeek AI berdasarkan accuracy, precision, recall, dan F1-score. Data dibagi menggunakan split data dengan rasio 70:30 dan 80:20, serta diterapkan Stratified K-Fold Cross Validation untuk memastikan generalisasi model yang optimal. Hasil terbaik diperoleh pada skema 70:30, di mana Naïve Bayes mencapai accuracy 81%, precision 87%, recall 50%, dan F1-score 64%, sedangkan KNN memperoleh accuracy 80%, precision 71%, recall 70%, dan F1-score 70%. Hasil cross validation menunjukkan bahwa rata-rata akurasi KNN mencapai 80.78%, sedangkan Naïve Bayes adalah 80.13%. Meskipun Naïve Bayes memiliki precision lebih tinggi, recall yang rendah mengurangi keseimbangan klasifikasi. Sebaliknya, KNN menunjukkan performa lebih stabil dengan keseimbangan precision dan recall, menjadikannya model yang lebih direkomendasikan untuk analisis sentimen ulasan aplikasi DeepSeek AI