STUDI KOMPARASI SVM DAN NBC TERHADAP KLASIFIKASI SENTIMEN APLIKASI DANA
DOI:
https://doi.org/10.24076/joism.2026v8i1.2569Keywords:
Analisis Sentimen, DANA, Support Vector Machine, Naïve Bayes, TF-IDFAbstract
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.
References
[1] S. U. Khoiriyah, M. Halim, and A. S. Zulkarnnaeni, “Pengaruh persepsi manfaat, persepsi kemudahan, dan persepsi keamanan terhadap minat menggunakan financial technology pada aplikasi dana,” pp. 1–15, [Online]. Available: https://repository.unmuhjember.ac.id/14565/10/10. ARTIKEL.pdf
[2] F. Aini, F. Muttakin, T. K. Ahsyar, and E. Saputra, “Analisis Kepuasan Pengguna Aplikasi DANA Menggunakan Metode TAM dan EUCS,” ©Asosiasi Prakarsa Indones. Cerdas, vol. 06, no. 01, pp. 65–76, 2023, [Online]. Available: https://apic.id/jurnal/index.php/jsc/article/view/288
[3] R. A. Harnelia, Saputra, “ANALISIS SENTIMEN REVIEW SKINCARE SKINTIFIC DENGAN ALGORITMA SUPPORT VECTOR MACHINE,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 2, pp. 994–1002, 2024, [Online]. Available: https://journal.eng.unila.ac.id/index.php/jitet/article/view/4095
[4] G. G. Warow and H. Pandia, “Analisis Sentimen Aplikasi Dana Menggunakan Naïve Bayes Classifier dan Support Vector Machine,” Jutisi J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 608–621, 2024, [Online]. Available: https://ojs.stmik-banjarbaru.ac.id/index.php/jutisi/article/view/1893
[5] I. S. K. Idris, Y. A. Mustofa, and irvan A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine ( SVM ),” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 32–35, 2023, [Online]. Available: https://ejurnal.ung.ac.id/index.php/jjeee/article/view/16830
[6] S. D. Prasetyo, S. S. Hilabi, and F. Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, no. 1, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
[7] G. Yunanda, D. Nurjanah, and S. Meliana, “Recommendation System from Microsoft News Data using TF-IDF and Cosine Similarity Methods,” Build. Informatics, Technol. Sci., vol. 4, no. 1, pp. 277–284, 2022, doi: 10.47065/bits.v4i1.1670.
[8] F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine Sentiment Analysis of Twitter Users on Internet Service Providers Using Support Vector Machine Algorithm,” Matrik J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.
[9] T. P. Lestari, “Analisis Text Mining pada Sosial Media Twitter Menggunakan Metode Support Vector Machine (SVM) dan Social Network Analysis (SNA),” J. Inform. Ekon. bisnis, vol. 4, no. 3, pp. 65–71, 2022, doi: 10.37034/infeb.v4i3.146.
[10] M. Algoritma and N. Bayes, “Analisis Sentimen Pengguna Twitter di Indonesia Terhadap ChatGPT Menggunakan Algoritma C4.5 dan Naïve Bayes Yuma,” J. Sains dan Teknol., vol. 5, no. 1, pp. 115–122, 2023, [Online]. Available: https://ejournal.sisfokomtek.org/index.php/saintek/article/view/1368
[11] R. R. Putri and N. Cahyono, “PUBLIK PEMERINTAH DKI JAKARTA DENGAN ALGORITMA,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 2363–2371, 2024, [Online]. Available: https://ejournal.itn.ac.id/index.php/jati/article/view/9472
[12] K. M. Yunita Rani, “Perbandingan Algoritma SVM Dan Naïve Bayes Pada Analisis Sentimen Kebijakan Penghapusan Kewajiban Skripsi,” Indones. J. Comput. Sci., vol. 12, no. 5, pp. 2879–2890, 2023, [Online]. Available: http://ijcs.net/ijcs/index.php/ijcs/article/view/3415
[13] A. Supian, B. T. Revaldo, N. Marhadi, L. Efrizoni, and Rahmaddeni, “Perbandingan Kinerja Naïve Bayes dan SVM pada Analisis Sentimen Twitter Ibukota Nusantara,” J. Ilm. Inform., vol. 12, no. 1, pp. 15–21, 2024, [Online]. Available: https://pdfs.semanticscholar.org/aa0e/03bde976e1e3986680fd7b88eb814f781547.pdf
[14] A. Safira and F. N. Hasan, “ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER,” Zo. J. Sist. Inf., vol. 5, no. 1, pp. 59–70, 2023, [Online]. Available: https://journal.unilak.ac.id/index.php/zn/article/view/12856
[15] R. R. Sani, Y. A. Pratiwi, S. Winarno, E. D. Udayanti, and F. Al Zami, “Analisis Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Hoax pada Berita Online Indonesia,” vol. 13, no. 2, pp. 85–98, 2022, [Online]. Available: https://ejournal.undip.ac.id/index.php/jmasif/article/view/47983
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Journal of Information System Management (JOISM)
This work is licensed under a Creative Commons Attribution 4.0 International License.
