Klasifikasi Sentimen untuk Prediksi Churn Pengguna Aplikasi Mamikos Menggunakan Support Vector Machine (SVM) dan Naïve Bayes

Fitri Nur Utami (Universitas Esa Unggul, Jakarta, Indonesia)
Hani Dewi Ariessanti (Universitas Esa Unggul, Jakarta, Indonesia)
Riya Widayanti (Universitas Esa Unggul, Jakarta, Indonesia)
Arief ichwani (Universitas Esa Unggul, Jakarta, Indonesia)

Jurnal Ilmu Multidisplin
Vol. 4 No. 4 (2025): Jurnal Ilmu Multidisplin (Oktober - November 2025)

Tingginya tingkat churn atau berhentinya pengguna dalam menggunakan aplikasi Mamikos menjadi tantangan serius bagi perusahaan. Penelitian ini bertujuan untuk menganalisis sentimen dan memprediksi kemungkinan churn pengguna menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes. Metode ini dipilih karena SVM unggul dalam menangani data berdimensi tinggi, sedangkan Naïve Bayes efektif dalam klasifikasi berbasis probabilitas. Dataset diperoleh dari perusahaan Mamikos melalui program studi independen, kemudian melalui tahapan preprocessing, ekstraksi fitur, pelabelan, dan pemodelan. Evaluasi dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan f1-score. Hasil menunjukkan bahwa kombinasi kedua algoritma memberikan akurasi yang cukup baik dalam memprediksi churn berdasarkan ulasan pengguna. Penelitian ini memberikan kontribusi dalam pengembangan strategi retensi pelanggan berbasis machine learning.