Klasifikasi Sentimen Ulasan Aplikasi Claude Menggunakan Naive Bayes dan Support Vector Machine
DOI:
https://doi.org/10.70609/jusifor.v4i1.7054Keywords:
Analisis Sentimen, Naive Bayes, Support Vector MachineAbstract
Analisis sentimen adalah teknik penting yang digunakan untuk memproses data tekstual untuk mengetahui pendapat pengguna mengenai suatu produk. Penelitian ini menggunakan teknik machine learning, khususnya Multinomial Naive Bayes dan Support Vector Machine (SVM) Linear, untuk mengkategorikan sentimen ulasan untuk aplikasi Claude yang tersedia di Google Play Store. Data ulasan diperoleh melalui web scraping dan kemudian dibersihkan dan diproses untuk ekstraksi fitur menggunakan metode TF-IDF. Evaluasi model dilakukan dengan menggunakan matriks seperti akurasi, presisi, recall, dan f1-score. Temuan menunjukkan bahwa kedua model menunjukkan kemampuan klasifikasi yang kuat, dengan SVM Linear mencapai akurasi tertinggi sebesar 99,8%, presisi 99,9008%, recall 99,7446%, dan f1-score 99,8221%. Visualisasi melalui WordCloud dan analisis frekuensi kata membantu dalam mengidentifikasi istilah-istilah kunci yang terkait dengan setiap kategori sentimen. Hasil ini menggambarkan bahwa teknik machine learning efektif dalam menangkap sentimen pengguna dan menjadi dasar untuk menciptakan aplikasi berbasis AI yang lebih berorientasi pada pengguna.
References
U. Prajogo, B. Bunyamin, S. Munfaqiroh, L. Lindananty, L. Andiani, and S. Sunarto, “Pelatihan Pemanfaatan Artificial Intelligence (AI) dalam Pembelajaran pada Guru Pondok Pesantren El Jasmeen,” Community Reinforcement and Development Journal, vol. 3, no. 1, pp. 11–16, 2024, doi: 10.35584/reinforcementanddevelopmentjournal.v3i1.166.
T. Tinaliah and T. Elizabeth, “Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), vol. 9, no. 4, pp. 3436–3442, 2022, doi: 10.35957/jatisi.v9i4.3586.
A. Suganda, “Memilih Ai Yang Tepat Untuk Guru: Perbandingan Fitur Gemini, Chatgpt, Dan Claude Ai,” Jurnal Inovasi Teknologi dan Edukasi Teknik, vol. 3, no. 11, p. 2, 2023, doi: 10.17977/um068.v3.i11.2023.2.
D. Angraina and A. Putri, “Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support Vector Machine,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 472–478, 2022, doi: 10.37859/coscitech.v3i3.4260.
Fitri Wulandari, Elin Haerani, Muhammad Fikry, and Elvia Budianita, “Analisis sentimen larangan penggunaan obat sirup menggunakan algoritma naive bayes classifier,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 1, pp. 88–96, 2023, doi: 10.37859/coscitech.v4i1.4781.
F. Amaliah and I. K. Dwi Nuryana, “Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” Journal of Informatics and Computer Science (JINACS), vol. 3, no. 03, pp. 384–393, 2022, doi: 10.26740/jinacs.v3n03.p384-393.
Alfandi Safira and F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier,” ZONAsi: Jurnal Sistem Informasi, vol. 5, no. 1, pp. 59–70, 2023, doi: 10.31849/zn.v5i1.12856.
U. Kusnia, F. Kurniawan, and S. Artikel, “Analisis Sentimen Review Aplikasi Media Berita Online Pada Google Play menggunakan Metode Algoritma Support Vector Machines (SVM) Dan Naive Bayes INFO ARTIKEL ABSTRAK,” Jurnal Keilmuan dan Aplikasi Teknik Informatika, vol. 14(1), no. 36, pp. 24–25, 2022.
F. M. Malik et al., “Komparasi Sentiment Analysis Pada Review Aplikasi Tokopedia Dan Shopee Menggunakan Algoritma Naïve Bayes Dan Support Vector Machine Dengan Metode Tf- Idf,” vol. 11, no. 6, pp. 5872–5878, 2024.
I. Loelianto, Moh. S. S. Thayf, and H. Angriani, “Implementasi Teori Naive Bayes Dalam Klasifikasi Calon Mahasiswa Baru Stmik Kharisma Makassar,” SINTECH (Science and Information Technology) Journal, vol. 3, no. 2, pp. 110–117, 2020, doi: 10.31598/sintechjournal.v3i2.651.
Y. Ayuningtyas and I. Made Suartana, “Klasifikasi Penyakit Stroke Menggunakan Support Vector Machine (SVM) dan Particle Swarm Optimization (PSO),” JINACS: (Journal of Informatics and Computer Science), vol. 04, no. 04, pp. 452–457, 2023.
M. R. Saputra, “Analisis sentimen twitter terhadap konflik di papua menggunakan perbandingan naive bayes dan svm,” vol. 10, no. 2, pp. 1197–1208, 2025.
L. C. O. Id, “MENGGUNAKAN MULTIPLE LINEAR REGRESSION ( STUDI KASUS : KABUPATEN WEBSITE,” vol. 13, no. 2, 2025.
M. Ulfi, T. Savira, and P. Ayu, “Implementasi Deep Learning dengan Convolutional Neural Network untuk Tingkat Akurasi Citra Image Hama Sawi Hijau Menggunakan Google Colab,” vol. 10, no. 2, pp. 116–125, 2024.
F. F. Irfani, “Analisis Sentimen Review Aplikasi Ruangguru Menggunakan Algoritma Support Vector Machine,” JBMI (Jurnal Bisnis, Manajemen, dan Informatika), vol. 16, no. 3, pp. 258–266, 2020, doi: 10.26487/jbmi.v16i3.8607.
J. Algoritme et al., “Analisis Sentimen Komentar Pada Saluran Youtube Beauty Vlogger Berbahasa Indonesia Menggunakan Metode Support Vector Machine,” vol. 5, no. 2, pp. 164–175, 2025, doi: 10.35957/algoritme.v5i2.9692.
A. C. T. Angel, V. H. Pranatawijaya, and W. Widiatry, “Analisis Sentimen dan Emosi dari Ulasan Google Maps Untuk Layanan Rumah Sakit di Palangka Raya Menggunakan Machine Learning,” KONSTELASI: Konvergensi Teknologi dan Sistem Informasi, vol. 4, no. 1, pp. 35–49, Jun. 2024, doi: 10.24002/konstelasi.v4i1.8924.
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer & Informatika (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.
S. A. S. Mola, D. L. B. Baun, I. O. Nunes, and M. M. A. R. Sani, “ANALISIS SENTIMEN APLIKASI HALO BCA DI GOOGLE PLAY STORE MENGGUNAKAN METODE NAIVE BAYES, SUPPORT VECTOR MACHINE DAN RANDOM FOREST,” HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi, vol. 15, no. 2, pp. 69–79, Dec. 2024, doi: 10.52972/hoaq.vol15no2.p69-79.
M. N. Saadah, R. W. Atmagi, D. S. Rahayu, and A. Z. Arifin, “SISTEM TEMU KEMBALI DOKUMEN TEKS DENGAN PEMBOBOTAN TF-IDF DAN LCS,” JUTI: Jurnal Ilmiah Teknologi Informasi, pp. 19–22, Jan. 2013, doi: 10.12962/j24068535.v11i1.a16.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Muhammad Zidna Mubarok, Saiful Rizqi, Ramadhan Muchamad Rizal, Andhita Bagus Noor Syalim, Nur Iksan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
