Perbandingan Algoritma SVM dan Naive Bayes dalam Klasifikasi Sentimen pada Ulasan Aplikasi Traveloka dan Agoda
DOI:
https://doi.org/10.26418/jp.v11i2.96869Keywords:
traveloka, agoda, Support Vector Machine (SVM), naïve bayes (NB)Abstract
Pada era Revolusi Industri 4.0, aplikasi seluler mempermudah masyarakat dalam melakukan pemesanan perjalanan, mencari informasi, membandingkan harga, hingga memanfaatkan promosi. Salah satu indikator penting dalam mengevaluasi kualitas layanan aplikasi adalah rating dan ulasan pengguna di platform seperti Google Play Store. Oleh karena itu, analisis sentimen menjadi sangat relevan untuk menggali persepsi pengguna terhadap suatu layanan. Melalui analisis sentimen, perusahaan dapat mengidentifikasi ulasan positif, negatif, dan netral sebagai dasar untuk meningkatkan kualitas layanan, membangun reputasi, dan meningkatkan loyalitas pelanggan. Penelitian ini menggunakan data ulasan pengguna dari aplikasi Traveloka dan Agoda yang diambil melalui teknik web scraping di Google Play Store menggunakan Google Colab. Data yang diperoleh kemudian diproses melalui tahapan preprocessing, meliputi: normalisasi, pembersihan data (cleansing), pelabelan (labeling), case folding, tokenisasi, penghapusan stopword, stemming, serta pembobotan kata menggunakan metode Bag-of-Words (BoW) dan Term Frequency-Inverse Document Frequency (TFIDF). Setelah itu, proses klasifikasi sentimen dilakukan menggunakan dua algoritma, yaitu Support Vector Machine (SVM) dan Naïve Bayes (NB), dengan tiga kategori sentimen: positif, negatif, dan netral. Hasil pengujian menunjukkan bahwa algoritma SVM berhasil mencapai akurasi tertinggi sebesar 92%, khususnya dalam mengklasifikasikan ulasan dengan sentimen positif dan negatif. Sementara itu, algoritma Naïve Bayes menghasilkan akurasi maksimal sebesar 96% pada dataset tertentu dan menunjukkan kinerja lebih stabil dalam mengenali sentimen netral. Oleh karena itu, pemilihan algoritma terbaik dapat disesuaikan dengan fokus kebutuhan analisis sentimen yang ingin dicapai.References
R. Fitirani and N. Lesmana, “JIK.+3+Mesin,†vol. 1, no. 1, pp. 1–4, 2022.
E. Setia Budi, A. Nofriyaldi Chan, P. Priscillia Alda, and M. Arif Fauzi Idris, “RESOLUSI : Rekayasa Teknik Informatika dan Informasi Optimasi Model Machine Learning untuk Klasifikasi dan Prediksi Citra Menggunakan Algoritma Convolutional Neural Network,†Media Online, vol. 4, no. 5, p. 509, 2024, [Online]. Available: https://djournals.com/resolusi
A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,†IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.
D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,†Edutic - Sci. J. Informatics Educ., vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.
K. V. S. Toy, Y. A. Sari, and I. Cholissodin, “Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection (Studi Kasus: Opini Masyarakat mengenai Kebijakan New Normal),†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5068–5074, 2021, [Online]. Available: http://j-ptiik.ub.ac.id
J. M. Eyu, K. L. A. Yau, L. Liu, and Y. W. Chong, “Reinforcement learning in sentiment analysis: a review and future directions,†Artif. Intell. Rev., vol. 58, no. 1, 2025, doi: 10.1007/s10462-024-10967-0.
N. Margatan and N. J. Perdana, “Perancangan Aplikasi Penjualan Paket Wisata Berbasis Web Pada Pt Fajar Buana Tour,†J. Ilmu Komput. dan Sist. Inf., vol. 11, no. 1, 2023, doi: 10.24912/jiksi.v11i1.24104.
A. Erfina, E. S. Basryah, A. Saepulrohman, and D. Lestari, “Analisis Sentimen Aplikasi Pembelajaran Online Di Play Store Pada Masa Pandemi Covid-19 Menggunakan Algoritma Support Vector Machine (Svm),†Semin. Nas. Inform., vol. 1, no. 1, pp. 145–152, 2020, [Online]. Available: http://jurnal.upnyk.ac.id/index.php/semnasif/article/view/4094
Y. A. Mustofa, “Pendekatan Ensemble pada Analisis Sentimen Ulasan Aplikasi Google Play Store Ensemble Approach to Sentiment Analysis of Google Play Store App Reviews,†vol. 6, pp. 181–188, 2024.
R. Maheri, F. N. Salisah, and F. Muttakin, “Analisis sentimen ulasan aplikasi m-paspor menggunakan,†vol. 10, no. 1, pp. 448–458, 2025.
K. KARINA, N. Yusliani, and D. Rodiah, “Perbandingan Support Vector Machine (Svm) Dan Naïve Bayes Pada Analisis Sentimen,†2021, [Online]. Available: https://repository.unsri.ac.id/54114/%0Ahttps://repository.unsri.ac.id/54114/2/RAMA_55201_09021181621009_0008118205_8802870018_01_front_ref.pdf
R. Hidayat, M. Fikry, Y. Yusra, F. Yanto, and E. P. Cynthia, “Penerapan Naïve Bayes Classifier dalam Klasifikasi Sentimen Publik di Twitter terhadap Puan Maharani,†JUKI J. Komput. dan Inform., vol. 6, no. 1, pp. 100–108, 2024, doi: 10.53842/juki.v6i1.479.
D. Kurniawan and M. Yasir, “Optimization Sentimen Analysis using CRISP-DM and Naive Bayes Methods Implemented on Social Media,†Cybersp. J. Pendidik. Teknol. Inf., vol. 6, no. 2, p. 74, 2022, doi: 10.22373/cj.v6i2.12793.
A. E. Widodo, F. F. Wati, and N. Hidayati, “Implementasi Algoritma SVM Dan Naive Bayes Untuk Analisis Sentimen Pada Ulasan Pengguna Aplikasi Onedrive,†vol. 10, no. 2, pp. 131–138, 2024.
M. A. Java, Mohammad Syafrullah, W. Windarto, and P. Painem, “Analisis Sentimen Ulasan Pengguna Aplikasi Threads pada Google Play Store Menggunakan Multinomial Naive Bayes dan Support Vector Machine,†J. Ticom Technol. Inf. Commun., vol. 12, no. 2, pp. 75–80, 2024, doi: 10.70309/ticom.v12i2.112.
B. A. Maulana, M. J. Fahmi, A. M. Imran, and N. Hidayati, “Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),†MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 375–384, 2024, doi: 10.57152/malcom.v4i2.1206.
H. Indrawan, B. Irawan, and T. Suprapti, “Klasifikasi Ulasan Pengguna Aplikasi Access By Kai Berbasis Aspek Dengan Algoritma Naïve Bayes Dan Svm,†JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3541–3548, 2024, doi: 10.36040/jati.v7i6.8234.
S. Santiastry et al., “PENERAPAN ALGORITMA NAIVE BAYES DAN METODE CRISP-DM DALAM,†vol. 8, no. 5, pp. 10432–10439, 2024.
D. Feblian and D. U. Daihani, “Implementasi Model Crisp-Dm Untuk Menentukan Sales Pipeline Pada Pt X,†J. Tek. Ind., vol. 6, no. 1, pp. 1–12, 2017, doi: 10.25105/jti.v6i1.1526.
D. Wildani and Purwantoro, “PENERAPAN ALGORITMA NAÃVE BAYES DALAM MENGKLASIFIKASIKAN MEDIA SOSIAL UNTUK MENGAMATI TREND KULINER,†vol. 8, no. 1, pp. 31–39, 2022.
K. Dwicahyo and C. Indah Ratnasari, “Perbandingan Metode Web Scraping Dalam Pengambilan Data: Kajian Literatur,†Automata, vol. 4, 2023.
M. Radhi, A. Amalia, D. R. H. Sitompul, S. H. Sinurat, and E. Indra, “Analisis Big Data Dengan Metode Exploratory Data Analysis (Eda) Dan Metode Visualisasi Menggunakan Jupyter Notebook,†J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 4, no. 2, pp. 23–27, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v4i2.2475.
Y. Yudiana, A. Yulia Agustina, and dan Nur Khofifah, “Prediksi Customer Churn Menggunakan Metode CRISP-DM Pada Industri Telekomunikasi Sebagai Implementasi Mempertahankan Pelanggan,†Indones. J. Islam. Econ. Bus., vol. 8, no. 1, pp. 01–20, 2023, [Online]. Available: http://e-journal.lp2m.uinjambi.ac.id/ojp/index.php/ijoieb
N. M. Farhan and B. Setiaji, “Indonesian Journal of Computer Science,†Indones. J. Comput. Sci., vol. 12, no. 2, pp. 284–301, 2023, [Online]. Available: http://ijcs.stmikindonesia.ac.id/ijcs/index.php/ijcs/article/view/3135
H. Herlawati, R. T. Handayanto, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,†J. Komtika (Komputasi dan Inform., vol. 5, no. 2, pp. 153–163, 2021, doi: 10.31603/komtika.v5i2.6280.
Y. A. Singgalen, “Travel Content Evaluation through Sentiment and Toxicity Analysis using CRISP-DM,†Build. Informatics, Technol. …, no. June, 2024, doi: 10.47065/bits.v6i1.5397.
G. Rininda, I. Hartami Santi, and S. Kirom, “Penerapan Svm Dalam Analisis Sentimen Pada Edlink Menggunakan Pengujian Confusion Matrix,†JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, pp. 3335–3342, 2024, doi: 10.36040/jati.v7i5.7420.
N. Hidayah and Dodiman, “Implementasi Algoritma Multinomial Naïve Bayes, TF-IDF dan Confusion Matrix dalam Pengklasifikasian Saran Monitoring dan Evaluasi Mahasiswa Terhadap Dosen Teknik Informatika Universitas Dayanu Ikhsanuddin,†J. Akad. Pendidik. Mat., vol. 10, no. 1, pp. 8–15, 2024.
