Komparasi Kinerja Model Naive Bayes, SVM, dan BERT dalam Klasifikasi Sentimen Ulasan Pada Aplikasi YUMMY
DOI:
https://doi.org/10.55123/storage.v4i2.5120Keywords:
Analisis sentimen, Klasifikasi Teks, Naïve bayes, SVM, BERTAbstract
Ulasan pada Google Play Store memainkan peran penting dalam membentuk persepsi publik terhadap sebuah aplikasi. Penelitian ini bertujuan untuk melakukan sentimen ulasan dengan mengklasifikasikan mejadi kategori positif dan negatif di aplikasi Yummy, serta membandingkan performa tiga metode klasifikasi teks: Naive Bayes, Support Vector Machine (SVM), dan Bidirectional Encoder Representations from Transformers (BERT). Sebanyak 6.773 data ulasan didapatkan melalui scraping dan diproses dengan tahapan pra-pemrosesan seperti pembersihan teks, tokenisasi, stopword removal, dan stemming. Representasi fitur dilakukan menggunakan TF-IDF untuk Naive Bayes dan SVM, sedangkan BERT memanfaatkan token embedding dari model pra-latih. Hasil eksperimen menunjukkan bahwa SVM menghasilkan performa sangat efektif dengan akurasi 94%, diikuti oleh Naive Bayes dan BERT yang keduanya mencapai akurasi 90%. SVM juga menunjukkan keseimbangan yang lebih baik dalam mengklasifikasikan teks sentimen positif dan negatif. Temuan ini menegaskan SVM direkomendasikan sebagai solusi yang stabil dan efisien dalam analisis sentimen teks berbahasa Indonesia.
Downloads
References
Alifia Putri, C. and Al Faraby, S. (2020) ‘Analisis Sentimen Review Film Berbahasa Inggris Dengan Pendekatan Bidirectional Encoder Representations from Transformers’, Jurnal Teknik Informatika dan Sistem Informasi , 6(2), pp. 181–193. Available at: http://jurnal.mdp.ac.id.
Amin, M.B.M. et al. (2024) ‘Deteksi Spam Berbahasa Indonesia Berbasis Teks Menggunakan Model Bert’, Jurnal Teknologi Informasi dan Ilmu Komputer, 11(6), pp. 1291–1302. Available at: https://doi.org/10.25126/jtiik.2024118121.
Anshari, R. AL, Alam, S. and Hafid, M.T. (2023) ‘Komparasi Payment Digital Untuk Analisis Sentimen Berdasarkan Ulasan Di Google Playstore Menggunakan Metode Support Vector Machine’, STORAGE – Jurnal Ilmiah Teknik dan Ilmu Komputer, 2(3), pp. 118–128. Available at: https://doi.org/10.55123.
Astuti, A.P., Alam, S. and Jaelani, I. (2022) ‘Komparasi Algoritma Support Vector Machine Dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo’, Bangkit Indonesia, XI(02).
Br Sinulingga, J.E. and Sitorus, H.C.K. (2024) ‘Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF’, Jurnal Manajemen Informatika (JAMIKA), 14(1), pp. 42–53. Available at: https://doi.org/10.34010/jamika.v14i1.11946.
Cahyo Saputra, D., Fauzan, M. and Carol Aldosion, G. (2025) ‘Pengaruh Rating Dan Komentar Pengguna Di Google Playstore Terhadap Keputusan Pengguna Dalam Mengunduh Aplikasi’, Spectrum: Multidisciplinary Journal , 2(1).
Chandradev, V., I Made Agus Dwi Suarjaya and I Putu Agung Bayupati (2023) ‘Analisis Sentimen Review Hotel menggunakan Metode Deep Learning BERT 107 Analisis Sentimen Review Hotel Menggunakan Metode Deep Learning BERT’, Jurnal buana informatika, 14(2).
Ghufran, A. et al. (2024) Comparison of Service and Ease of e-Commerce User Applications Using BERT, Jurnal Sistem Cerdas.
Hananto, A.L. et al. (2024) ‘Determination of Training Participants in Community Work Training Centers Using the Naïve Bayes Classifier Algorithm’, International Journal On Informatics Visualization , pp. 1162–1167. Available at: www.joiv.org/index.php/joiv.
Hutagaol, Y.R. and Arifin, Y. (2024) ‘Klasifikasi Spam Email Berbasis Semantik Menggunakan Metode Bert Semantic-Based Email Spam Classification Using Bert Method’, Journal of Information Technology and Computer Science (INTECOMS), 7(5).
Imron, S., Setiawan, E.I. and Santoso, J. (2023) ‘Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN’, Journal of Intelligent System and Computation, 5(1), pp. 10–16. Available at: https://doi.org/10.52985/insyst.v5i1.267.
Kurniawan, I. et al. (2023) ‘Perbandingan Algoritma Naive Bayes Dan SVM Dalam Sentimen Analisis Marketplace Pada Twitter’, Jurnal Teknik Informatika dan Sistem Informasi, 10(1). Available at: http://jurnal.mdp.ac.id.
Muttaqin, M.N. and Kharisudin, I. (2021) ‘Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor’, UNNES Journal of Mathematics, 10(2), pp. 22–27. Available at: http://journal.unnes.ac.id/sju/index.php/ujm.
Radendha Muhammad Arthansa, Dhea Intan Sagita and Anggraini Puspita Sari (2024) ‘Komparasi Analisis Sentimen Ulasan Film Avengers: Endgame Di Imdb Menggunakan Metode Naïve Bayes Dan Svm’, STORAGE – Jurnal Ilmiah Teknik dan Ilmu Komputer, 3(4).
Rian Pratama et al. (2022) ‘Perbandingan Algoritma C4.5 dan Naïve Bayes dalam Menentukan Persediaan Stok’, Metik Jurnal, 6(2), pp. 115–122. Available at: https://doi.org/10.47002/metik.v6i2.379.
Sanjaya, J., Priyatna, B. and Shofia Hilabi, S. (2024) ‘Analisis Sentimen Terhadap Opini Proyek Kereta Cepat Menggunakan Metode Naïve Bayes Classifier’, Jurnal Fasilkom, 14(1).
Tinaliah and Elizabeth, T. (2022) ‘Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine’, Jurnal Teknik Informatika dan Sistem Informasi, 9(4). Available at: http://jurnal.mdp.ac.id.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Sabrina Amanda Salsabila, Bayu Priyatna, Agustia Hananto, Tukino
This work is licensed under a Creative Commons Attribution 4.0 International License.
