KOMPARASI MODEL SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBOR PADA ANALISIS SENTIMEN APLIKASI POLRI SUPER APP
DOI:
https://doi.org/10.23960/jitet.v12i2.4152Abstract Views: 623 File Views: 499
Abstract
Perkembangan teknologi informasi memacu inovasi dalam pengolahan data dan informasi. Inovasi e-government menjadi langkah progresif dalam menyediakan layanan publik yang efektif dan efisien. Polri menjadi contoh lembaga yang sukses menerapkan inovasi ini melalui "Polri Super App", sebuah aplikasi seluler yang meningkatkan layanan kepolisian dengan teknologi digital. Penelitian analisis sentimen terhadap aplikasi e-government di Google Play menarik perhatian. Dalam penelitian sebelumnya, SVM dan Naive Bayes memberikan hasil akurasi yang baik. Penelitian ini membandingkan kinerja KNN dan SVM dalam analisis sentimen terhadap Polri Super App. Hasil pengujian menunjukkan SVM dengan kernel Linear mencapai akurasi tertinggi, yaitu 89,67%, diikuti oleh SVM dengan kernel RBF dan KNN. Analisis ini memberikan pemahaman lebih baik tentang kinerja algoritma dalam mengelompokkan sentimen ulasan pengguna terhadap aplikasi tersebut.Downloads
References
L. A. Susanto, “Pemilihan Hyperparameter Pada Alexnet Cnn Untuk Klasifikasi Citra Penyakit Kedelai,” Indexia Inform. Comput. Intell. J., vol. 5, no. 02, p. 113, 2023, doi: 10.30587/indexia.v5i02.5508.
L. A. Susanto, A. Nilogiri, and L. Handayani, “Klasifikasi Citra Lesi Kulit Serupa Virus Monkeypox Menggunakan VGG-19 Convolutional Neural Network,” J. Sist. dan Teknol. Inf., vol. 8, no. 1, pp. 1–9, 2023, doi: https://doi.org/10.32528/justindo.v8i1.168 Klasifikasi.
H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Inf. Syst. Dev., vol. 5, no. 2, pp. 7–13, 2020.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 785–795, 2022, doi: 10.35957/jatisi.v9i2.1835.
A. D. Adhi Putra, “Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, pp. 636–646, 2021, doi: 10.35957/jatisi.v8i2.962.
J. Rizqullah and A. Reza, “‘Super App Precision’ Sebagai Bentuk Pelayanan Publik di Era Masyarakat 5.0,” Justin (Jurnal Sist. dan Teknol. Informasi), vol. 12, no. 1, pp. 1–7, 2024, doi: 10.26418/justin.v12i1.65162.
E. R. Kaburuan and N. R. Setiawan, “Sentimen Analisis Review Aplikasi Digital Korlantas Pada Google Play Store Menggunakan Metode SVM,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 1, pp. 105–116, 2023, doi: 10.32736/sisfokom.v12i1.1614.
S. Ernawati and R. Wati, “Penerapan Algoritma K-Nearest Neighbors Pada Analisis Sentimen Review Agen Travel,” J. Khatulistiwa Inform., vol. 6, no. 1, pp. 64–69, 2018.
P. R. Alvita Wagiswari D, I. Susilawati, and A. Witanti, “Analisis Sentimen pada Komentar Aplikasi MyPertamina dengan Metode Multinomial Naive Bayes,” ForAI J. Informatics Artif. Intell. J., vol. 1, no. 1, pp. 10–19, 2023, [Online]. Available: https://jurnal.forai.or.id/index.php/forai/article/view/4
E. Fitri, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” J. Transform., vol. 18, no. 1, p. 71, 2020, doi: 10.26623/transformatika.v18i1.2317.
D. Rustiana and N. Rahayu, “Analisis Sentimen Pasar Otomotif Mobil: Tweet Twitter Menggunakan Naïve Bayes,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 8, no. 1, pp. 113–120, 2017, doi: 10.24176/simet.v8i1.841.
N. R. Wardani and A. Erfina, “Analisis Sentimen Masyarakat Terhadap Layanan Konsultasi Dokter Menggunakan Algoritma Naive Bayes,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform. Univ. Nusa Putra, pp. 11–18, 2021.
M. N. Muttaqin and I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor,” UNNES J. Math., vol. 10, no. 2, pp. 22–27, 2021, [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm
M. F. Naufal, “Analisis Perbandingan Algoritma SVM, KNN, dan CNN untuk Klasifikasi Citra Cuaca,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 2, p. 311, Mar. 2021, doi: 10.25126/jtiik.2021824553.
S. Styawati, N. Hendrastuty, and A. R. Isnain, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” J. Inform. J. Pengemb. IT, vol. 6, no. 3, pp. 150–155, 2021, doi: 10.30591/jpit.v6i3.2870.
I. Habib Kusuma and N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, pp. 302–307, 2023.
A. N. Hasanah, B. N. Sari, U. S. Karawang, T. Timur, and J. Barat, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 12, no. 1, pp. 90–96, 2024.
