IMPLEMENTASI AKURASI MODEL NAIVE BAYES MENGGUNAKAN SMOTE DALAM ANALISIS SENTIMEN PENGGUNA APLIKASI BRIMO
DOI:
https://doi.org/10.23960/jitet.v13i1.5748Abstract Views: 374 File Views: 369
Abstract
Aplikasi Brimo dari Bank Rakyat Indonesia (BRI) menjadi salah satu platform utama interaksi nasabah dengan layanan perbankan. Analisis sentimen ulasan pengguna aplikasi ini pentring untuk memahami pendapat dan menaikkan kualitas pelayanan. Penelitian ini menggunakan algoritma Naïve bayes dengan menerapkan model Smote (Synthetic Minority Over-sampling Technique) untuk menangani ketidakseimbangan kelas antara kelas positif dan negatif dalam data ulasan pengguna. Dataset yang di peroleh mencapai 1.000 ulasan Play store yang di proses melalui tahap pengumpulan, pra-pemrosesan teks, dan evaluasi menggunakan Confusion Matrix. penelitian menunjukkan bahwa metode SMOTE secara signifikan meningkatkan kinerja model, dengan recall untuk sentimen negatif meningkat dari 0,55 menjadi 0,87 dan F1-score dari 0,71 menjadi 0,84. Akurasi model juga naik dari 93% menjadi 95%, dengan pengurangan False Negatives. Temuan ini membuktikan efektivitas SMOTE dalam meningkatkan akurasi dan representasi model untuk memahami opini pengguna BRImo secara lebih baik.Downloads
References
R. MD, R. D. Restiyan, dan H. Irsyad, “Analisis Sentimen Masyarakat terhadap Perilaku Lawan Arah yang Diunggah pada Media Sosial Youtube Menggunakan Naïve Bayes,” BANDWIDTH: Journal of Informatics and Computer Engineering, vol. 2, no. 2, hlm. 75–83, Jul 2024, doi: 10.53769/bandwidth.v2i2.706.
A. Suryana, A. I. Purnamasari, dan I. Ali, “Mengoptimalkan Kepuasan Pengguna: Analisis Sentimen Review Aplikasi Grab Di Indonesia,” Jl.Perjuangan No.10 B Majasem, Kec.Kesambi, Kota Cirebon Jawa Barat 45135, Indonesia, Jun 2024. Diakses: 29 Mei 2024. [Daring]. Tersedia pada: https://ejournal.itn.ac.id/index.php/jati/article/view/9688/5524
A. Saputra dan F. Noor Hasan, “Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel Dengan Algoritma Naïve Bayes Classifier,” SIBATIK JOURNAL: Jurnal Ilmiah Bidang Sosial, Ekonomi, Budaya, Teknologi, dan Pendidikan, vol. 2, no. 2, hlm. 465–474, Jan 2023, doi: 10.54443/sibatik.v2i2.579.
A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, dan W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” Jurnal Teknoinfo, vol. 14, no. 2, hlm. 115, Jul 2020, doi: 10.33365/jti.v14i2.679.
B. Z. Ramadhan, R. I. Adam, dan I. Maulana, “Analisis Sentimen Ulasan pada Aplikasi E-Commerce dengan Menggunakan Algoritma Naïve Bayes,” Journal of Applied Informatics and Computing, vol. 6, no. 2, hlm. 220–225, Des 2022, doi: 10.30871/jaic.v6i2.4725.
A. Nurian, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3s1, Sep 2023, doi: 10.23960/jitet.v11i3s1.3348.
N. Cahyono dan Anggista Oktavia Praneswara, “Analisis Sentimen Ulasan Aplikasi TikTok Shop Seller Center di Google Playstore Menggunakan Algoritma Naive Bayes,” Indonesian Journal of Computer Science, vol. 12, no. 6, Des 2023, doi: 10.33022/ijcs.v12i6.3473.
M. K. Khoirul Insan, U. Hayati, dan O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di Google Play Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, hlm. 478–483, Mar 2023, doi: 10.36040/jati.v7i1.6373.
A. Safira dan F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier,” ZONAsi: Jurnal Sistem Informasi, vol. 5, no. 1, hlm. 59–70, Jan 2023, doi: 10.31849/zn.v5i1.12856.
A. Andreyestha dan Q. N. Azizah, “Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE,” Infotek : Jurnal Informatika dan Teknologi, vol. 5, no. 1, hlm. 108–116, Jan 2022, doi: 10.29408/jit.v5i1.4581.
H. Hidayatullah, P. Purwantoro, dan Y. Umaidah, “Penerapan Naïve Bayes Dengan Optimasi Information Gain Dan Smote Untuk Analisis Sentimen Pengguna Aplikasi Chatgpt,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 3, hlm. 1546–1553, Okt 2023, doi: 10.36040/jati.v7i3.6887.
A. Septiani, A. Voutama, S. Siska, A. Andri Hendriadi, dan N. Heryana, “Analisis Sentimen Menggunakan Algoritma Naïve Bayes Terhadap Regulasi Tiktok Shop Pada Media Sosial X (Twitter),” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, hlm. 5729–5735, Jun 2024, doi: 10.36040/jati.v8i4.10040.
T. A. Dewi dan E. Mailoa, “Perbandingan Implementasi Metode Smote Pada Algoritma Support Vector Machine (Svm) Dalam Analisis Sentimen Opini Masyarakat Tentang Mixue,” Jurnal Indonesia : Manajemen Informatika dan Komunikasi, vol. 4, no. 3, hlm. 849–855, Sep 2023, doi: 10.35870/jimik.v4i3.289.
R. Aryanti, T. Misriati, dan A. Sagiyanto, “Analisis Sentimen Aplikasi Primaku Menggunakan Algoritma Random Forest dan SMOTE untuk Mengatasi Ketidakseimbangan Data,” Journal of Computer System and Informatics (JoSYC), vol. 5, no. 1, hlm. 218–227, Nov 2023, doi: 10.47065/josyc.v5i1.4562.
D. Darwis, N. Siskawati, dan Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” Jurnal Tekno Kompak, vol. 15, no. 1, hlm. 131, Feb 2021, doi: 10.33365/jtk.v15i1.744.
R. Sari dan R. Y. Hayuningtyas, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Pada Wisata TMII Berbasis Website,” Indonesian Journal on Software Engineering (IJSE), vol. 5, no. 2, hlm. 51–60, Des 2019, doi: 10.31294/ijse.v5i2.6957.
W. Wahyudi, R. Kurniawan, dan A. Y. Wijaya, “Analisis Sentimen Pengguna Terhadap Aplikasi Blu Bca Di Playstore Mengunakan Algoritma Naïve Bayes,” vol. 8, no. 3, hlm. 2511–2517, Mei 2024.
