Komparasi Algoritma Naive Bayes Dan Support Vector Machine Dalam Menentukan Analisis Sentimen Data Ulasan Terhadap Aplikasi Mobile JKN

Amiruddin Fikri Nur

Abstrak

Pada tahun 2022, 67,88% penduduk Indonesia memiliki perangkat seluler. BPJS Kesehatan merespons tren ini dengan meluncurkan Mobile JKN, untuk memberikan layanan kesehatan yang modern dan dapat diakses kapanpun. Agar terus berinovasi, BPJS Kesehatan harus mengetahui ulasan pengguna terkait aplikasi Mobile JKN. Untuk mengelola jumlah ulasan yang besar, analisis sentimen digunakan untuk mengklasifikasikan ulasan menjadi positif atau negatif. Penelitian ini menggunakan algoritma Naïve Bayes dan SVM (Support Vector Machine) untuk mengetahui komparasi kinerja kedua algoritma dalam mengklasifikasikan sentimen pada dataset ulasan aplikasi Mobile JKN. Dataset yang digunakan sebanyak 200 data, yang diberi label oleh dua orang yang berbeda sehingga menghasilkan 110 ulasan positif dan 90 ulasan negatif dan 114 ulasan positif dan 86 ulasan negatif. Pengujian dilakukan dengan skenario perbandingan data latih dan data uji 70:30, 80:20, dan 90:10. Metode confusion matrix digunakan untuk mengevaluasi kinerja model melalui akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mencapai kinerja terbaik pada rasio data 90:10, dengan accuracy 85%, precision 77%, recall 100%, dan F1-score 87%. Sementara itu, algoritma SVM mencapai kinerja terbaiknya pada rasio data 80:20 dengan accuracy 93%, precision 100%, recall 84%, dan F1-score 91% untuk dataset yang diberi label oleh validator satu, serta pada rasio data 90:10 dengan accuracy 90%, precision 100%, recall 80%, dan F1-score 89% untuk dataset yang diberi label oleh validator dua. Hasil komparasi menunjukkan bahwa algoritma SVM lebih unggul dalam hal accuracy dan precision dibandingkan Naïve Bayes, sehingga lebih akurat dalam memprediksi sentimen positif pada data ulasan aplikasi Mobile JKN.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.19.1 · c557b04