<![CDATA[Penelitian ini mengeksplorasi efektivitas komparasi antara model Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) dalam menganalisis sentiment ulasan pengguna aplikasi DANA pada Google Play Store. Studi ini dilakukan untuk mengisi kesenjangan penelitian sebelumnya yang belum mengeksplorasi penanganan kelas opini netral secara spesifik pada objek aplikasi finansial yang sama. Sebanyak 4.800 data tekstual diproses melalui tahapan prapemrosesan sistemas, meliputi cleaning, case folding, tokenisasi, dan stemming Sastrawi. Melalui pembobotan TF-IDF yang menghasilkan 3.715 fitur unik, temuan riset mengonfirmasi dominansi SVM dengan capaian akurasi sebesar 82,29%, melampaui arsitektur NBC yang mencatatkan nilai 81,46%. Meskipun performa pada kelas positif dan negative sangat mumpuni, kedua algoritma menghadapi kendala signifikan dalam mengidentifikasi kategori netral (f1-score 0,00) akibat distribusi data yang tidak seimbang secara ekstrem. Hasil penelitian ini memberikan rekomendasi strategis bagi pengembang aplikasi dan akademisi dalam mengoptimalkan model klasifikasi sentiment pada sektor fintech.]]>
Copyrights © 2026
