Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM)

Analisis sentimen merupakan proses menganalisis teks untuk menentukan sentimen yang diungkapkan, seperti positif, negatif, atau netral. Analisis sentimen dapat digunakan untuk berbagai tujuan, seperti memahami opini publik, mengukur kepuasan pelanggan, dan mendeteksi penipuan. Dalam penelitian ini, kami menerapkan metode klasifikasi sentimen untuk menganalisis ulasan aplikasi Pluang. Aplikasi Pluang adalah aplikasi investasi digital yang menawarkan berbagai produk investasi, seperti emas, saham, dan reksa dana. Kami menggunakan dua model klasifikasi sentimen, yaitu Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa model SVM bekerja lebih baik dibandingkan model Naive Bayes. Secara spesifik, model SVM memiliki akurasi sebesar 99,50%, presisi 99,67%, recall 99,33%, dan skor F1 sebesar 99,50%. Sedangkan model Naive Bayes memiliki akurasi sebesar 99,25%, presisi sebesar 99,44%, recall sebesar 99,06%, dan skor F1 sebesar 99,25%. Kelebihan model SVM dibandingkan model Naive Bayes adalah kemampuannya untuk membedakan teks positif dan negatif dengan lebih baik. Ini disebabkan oleh beberapa faktor, antara lain: Data negatif memiliki karakteristik yang lebih beragam daripada data positif, SVM menggunakan teknik kernel yang mampu memetakan data ke dalam ruang dimensi yang lebih tinggi, sehingga dapat memodelkan hubungan antar data dengan lebih baik. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM merupakan metode klasifikasi yang efektif untuk menganalisis sentimen ulasan aplikasi Pluang.