PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PADA ULASAN PENGGUNA APLIKASI LINKEDIN
DOI:
https://doi.org/10.55123/storage.v3i2.3602Keywords:
Lowongan Pekerjaan, LinkedIn, Analisis Sentimen, Naïve Bayes, SVMAbstract
Dengan semakin sedikitnya informasi lowongan pekerjaan dalam bentuk cetak, teknologi informasi yang berkembang pesat membuat lowongan pekerjaan lebih mudah ditemukan secara digital melalui aplikasi, media sosial, atau website. Namun, lowongan pekerjaan dari sumber yang tidak jelas dapat menimbulkan penipuan. LinkedIn adalah salah satu aplikasi terpercaya untuk mencari lowongan pekerjaan. Penelitian ini membandingkan dua metode dalam analisis sentimen ulasan pengguna LinkedIn dari Google Play Store, yaitu Naïve Bayes dan Support Vector Machine (SVM). Data dikumpulkan melalui web scraping dan diproses dengan text pre-processing yang mencakup data cleaning, case folding, stopword removal, tokenizing, dan stemming. Hasil menunjukkan bahwa Naïve Bayes menghasilkan akurasi 88%, precision 88%, recall 85%, dan f1-score 86%, sementara SVM menghasilkan akurasi 90%, precision 89%, recall 88%, dan f1-score 88%. SVM terbukti lebih efektif dalam analisis sentimen dibandingkan Naïve Bayes.
Downloads
References
Creswell, J. W. (2017). Research design: Qualitative, quantitative, and mixed methods approaches (4th ed.). Thousand Oaks, CA: Sage.
Fikri, A., Sabrila, M., & Azhar, M. (2020). Penerapan algoritma Naïve Bayes pada analisis sentimen. Jurnal Ilmiah Teknologi Informasi, 14(2), 89-97.
Hanafi, A., & Ferdiansyah, A. (2020). Preprocessing data teks. Jurnal Informatika, 8(1), 45-53.
Herlinawati, E., Yuliani, N., Faizah, G., Gata, T., & Samudi, R. (2020). Penerapan metode Support Vector Machine pada klasifikasi data. Jurnal Sistem Informasi, 12(3), 123-130.
Karsito, & Susanti, A. (2019). Confusion matrix untuk pengukuran performa metode klasifikasi. Jurnal Teknologi Informasi, 11(2), 78-85.
Maturidi, A. (2014). Metodologi penelitian: Pendekatan teori dan aplikasi. Jakarta: Pustaka Al-Bayan.
Mo, Z., Li, Y., & Fan, P. (2015). Customer reviews on e-commerce platforms: Sentiment analysis and data mining. Journal of Business Research, 68(5), 1034-1041.
Nurjanah, S., Perdana, T., & Fauzi, A. (2017). Pembobotan kata dengan TF-IDF pada analisis sentimen. Jurnal Informatika, 9(2), 145-153.
Oliver, T. (2022). Google Colaboratory: Panduan lengkap. Retrieved from https://colab.research.google.com/
Putra, M. P. (2020). Analisis data dan pengambilan keputusan. Jakarta: Media Ilmu.
Ramadinah, N. (2021). Pengukuran performa model klasifikasi menggunakan confusion matrix. Jurnal Informatika, 13(1), 45-53.
Rozi, S., Pramono, E., & Dahlan, M. (2012). Opinion mining: Penerapan analisis sentimen dalam data teks. Jurnal Informatika, 7(1), 67-75.
Sadya, T. (2022). Tingkat pengangguran terbuka di Indonesia 2022. Badan Pusat Statistik.
Simbolon, F. (2023). Jumlah pencari kerja di Indonesia tahun 2022. Badan Pusat Statistik.
Suyanto. (2017). Machine learning dan aplikasinya. Yogyakarta: Penerbit Andi.
Tineges, T., Triayudi, & Sholihati, N. (2020). Metode SVM pada klasifikasi data teks. Jurnal Informatika, 10(2), 652-653.
Trivusi, E. (2022). Jenis-jenis Support Vector Machine. Jurnal Informatika, 11(3), 87-95.
Turland, T. (2010). Web scraping dan aplikasi dalam pengumpulan data. Journal of Web Technology, 6(1), 33-45.
Vijayarani, S., Ilamathi, M. J., & Nithya, M. (2015). Preprocessing techniques for text mining: An overview. International Journal of Computer Science & Communication Networks, 5(1), 7-16.
Wandani, D., Fauziah, N., & Andrianingsih, T. (2021). Text mining dalam analisis sentimen. Jurnal Informatika, 15(1), 12-23.
Widodo, B. K., Matondang, N. H., & Prasvita, D. S. (2022). Penerapan algoritma Naïve Bayes untuk analisis sentimen penggunaan aplikasi Jobstreet. Techno.COM, 14(2), 89-97.
Yunefri, Fadrial, & Sutejo, D. (2021). Pembobotan kata pada analisis sentimen dengan TF-IDF. Jurnal Informatika, 9(1), 45-53.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Gishella Septania Al-Husna, Dian Asmarajati, Iman Ahmad Ihsannuddin, Rina Mahmudati
This work is licensed under a Creative Commons Attribution 4.0 International License.
