Friska Aditia Indriyani, Ahmad Fauzi, Sutan Faisal
{"title":"Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine","authors":"Friska Aditia Indriyani, Ahmad Fauzi, Sutan Faisal","doi":"10.37373/tekno.v10i2.419","DOIUrl":null,"url":null,"abstract":"TikTok merupakan platform media sosial yang terpopuler saat ini, tidak sedikit pengguna aplikasi TikTok merupakan anak dibawah umur yang dapat memiliki dampak negatif. Adapun Sebagian masyarakat memberikan ulasan positif bahwa aplikasi TikTok ini membantu masyarakat dalam bidang bisnis Analisis sentiment digunakan untuk menganalisis opini yang terdapat dalam ulasan yang ditulis pengguna dengan mengelompokan ulasan positif dan negatif. Teknik yang digunakan dalam penelitian ini menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Hasil klasifikasi pada penelitian ini terdapat 76.7% berlabel positif dan 23.3% negatif dengan sejumlah 2000 data. Hasil akhir mendapatkan nilai accuracy sebesar 79% untuk metode Naïve Bayes, sedangkan nilai accuracy metode SVM sebesar 84% lebih tinggi dibandingkan metode Naïve Bayes","PeriodicalId":30843,"journal":{"name":"Jurnal Teknosains Jurnal Ilmiah Sains dan Teknologi","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknosains Jurnal Ilmiah Sains dan Teknologi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.37373/tekno.v10i2.419","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine
TikTok merupakan platform media sosial yang terpopuler saat ini, tidak sedikit pengguna aplikasi TikTok merupakan anak dibawah umur yang dapat memiliki dampak negatif. Adapun Sebagian masyarakat memberikan ulasan positif bahwa aplikasi TikTok ini membantu masyarakat dalam bidang bisnis Analisis sentiment digunakan untuk menganalisis opini yang terdapat dalam ulasan yang ditulis pengguna dengan mengelompokan ulasan positif dan negatif. Teknik yang digunakan dalam penelitian ini menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Hasil klasifikasi pada penelitian ini terdapat 76.7% berlabel positif dan 23.3% negatif dengan sejumlah 2000 data. Hasil akhir mendapatkan nilai accuracy sebesar 79% untuk metode Naïve Bayes, sedangkan nilai accuracy metode SVM sebesar 84% lebih tinggi dibandingkan metode Naïve Bayes