PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT
DOI:
https://doi.org/10.23960/jitet.v12i3S1.5156Abstract Views: 992 File Views: 978
Abstract
Abstrak. Penelitian ini berfokus pada analisis sentimen ulasan pengguna aplikasi CapCut yang tersedia di Google Play Store dengan menerapkan model Naïve Bayes dan K-Nearest Neighbors (KNN). Tujuan utama penelitian ini adalah untuk mengevaluasi bagaimana pengruh variasi rasio pembagian data latih dan uji terhadap kinerja kedua metode dalam analisis sentimen, serta membandingkan keduanya berdasarkan akurasi, presisi, recall dan f1 score. Menggunakan sembilan rasio pembagian data, ditemukan bahwa rasio 80:20 memberikan kinerja terbaik untuk kedua metode. Naïve Bayes mengungguli KNN dengan akurasi 79.41% dibanding 75.63%. Rasio 50:50 memberikan presisi terbaik untuk kedua metode. Secara keseluruhan, Naïve Bayes menunjukkan performa lebih baik, terutama pada rasio 80:20, menjadikannya pilihan yang lebih tepat untuk analisis sentimen aplikasi CapCut.
Downloads
References
D. Ispratiwi and Mellisa, “PENGEMBANGAN VIDEO PEMBELAJARAN BERBASIS APLIKASI CAPCUT PADA MATA KULIAH KULTUR JARINGAN,” Jurnal Inovasi Pembelajaran Biologi, vol. 4, no. 1, pp. 39–45, Mar. 2023.
Ula, “PENGEMBANGAN MEDIA PEMBELAJARAN MELALUI APLIKASI CAPCUT UNTUK MENINGKATKAN HASIL BELAJAR YANG KOGNETIF DI KALANGAN MAHASISWA,” Jurnal Galaxy Eyes, vol. 1, no. 1, pp. 1–10, 2023.
P. F. Zulfa, A. E. Widodo, F. Fandhilah, and D. Abror, “Pelatihan membuat dan mengedit video menggunakan aplikasi CapCut pada Pondok Pesantren Modern Dar Al-Faradis,” Community Empowerment Journal, vol. 1, no. 3, pp. 110–121, Nov. 2023, doi: 10.61251/cej.v1i3.26.
A. I. Tanggraeni and M. N. N. Sitokdana, “Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 2, pp. 785–795, 2022.
M. N. Fahriza and N. Riza, “ANALISIS SENTIMEN PADA ULASAN APLIKASI CHAT GENERATIVE PRE-TRAINED TRANSFORMER GPT MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR(KNN) Sistematic Literature Review,” 2023.
F. Fitroh and F. Hudaya, “Systematic Literature Review: Analisis Sentimen Berbasis Deep Learning,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, no. 2, pp. 132–140, Aug. 2023, doi: 10.25077/teknosi.v9i2.2023.132-140.
F. Setya Ananto and F. N. Hasan, “Implementasi Algoritma Naïve Bayes Terhadap Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store,” Jurnal ICT : Information Communication & Technology, vol. 23, no. 1, pp. 75–80, 2023, [Online]. Available: https://ejournal.ikmi.ac.id/index.php/jict-ikmi
M. Fudhail Ferio Supeli and S. Setiaji, “Klasifikasi Sentimen Positif Dan Negatif Pada Aplikasi Vidio Dengan Algoritma K-Nearest Neighbor,” Indonesian Journal Computer Science, vol. 2, no. 1, pp. 7–15, 2023, doi: 10.31294/ijcs.v2i1.1874.
S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, pp. 10–19, 2023, doi: 10.57152/malcom.v4i1.983.
A. P. Wibowo, W. Darmawan, and N. Amalia, “Komparasi Metode Naïve Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi,” IC-Tech, vol. 17, no. 1, pp. 18–23, 2022, doi: 10.47775/ictech.v17i1.234.
S. Alfaris and Kusnawi, “Komparasi Metode KNN dan Naive Bayes Terhadap Analisis Sentimen Pengguna Aplikasi Shopee,” Indonesian Journal of Computer Science, vol. 12, no. 5, pp. 2766–2776, 2023, doi: 10.33022/ijcs.v12i5.3304.
S. A. H. Bahtiar, C. K. Dewa, and A. Luthfi, “Comparison of Naïve Bayes and Logistic Regression in Sentiment Analysis on Marketplace Reviews Using Rating-Based Labeling,” Journal of Information Systems and Informatics, vol. 5, no. 3, pp. 915–927, Aug. 2023, doi: 10.51519/journalisi.v5i3.539.
D. R. Sari, Y. Yusra, M. Fikry, F. Yanto, and F. Insani, “Klasifikasi Sentimen Masyarakat di Twitter Terhadap Ancaman Resesi Ekonomi 2023 dengan Metode Naïve Bayes Classifier,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 4, p. 577, Jul. 2023, doi: 10.30865/json.v4i4.6276.
R. AL Anshari et al., “KOMPARASI PAYMENT DIGITAL UNTUK ANALISIS SENTIMEN BERDASARKAN ULASAN DI GOOGLE PLAYSTORE MENGGUNAKAN METODE SUPPORT VECTOR MACHINE,” vol. 2, no. 3, pp. 118–128, 2023, doi: 10.55123.
R. Maulana, A. Voutama, and T. Ridwan, “NBC Mypertamina,” Jurnal Teknologi Terpadu, vol. 9, pp. 42–48, 2023.
A. Salsabila, N. Sulistiyowati, and M. Jajuli, “ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP FITUR GRATIS ONGKOS KIRIM PADA APLIKASI SHOPEE INDONESIA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR,” 2023.
M. G. Andriawan and T. Ernawati, “PENGGUNAAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KONFLIK PALESTINA DAN ISRAEL PADA PLATFORM X,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, Aug. 2024, doi: 10.23960/jitet.v12i3.4943.
M. Khoirul, U. Hayati, and O. Nurdiawan, “ANALISIS SENTIMEN APLIKASI BRIMO PADA ULASAN PENGGUNA DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYES,” 2023.
A. Dwiki, A. Putra, and S. Juanita, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Bibit Dan Bareksa Dengan Algoritma KNN,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, pp. 636–646, 2021, [Online]. Available: http://jurnal.mdp.ac.id
