PERBANDINGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN ULASAN GOOGLE PLAY STORE

Abstract

Lonjakan pemakaian aplikasi seluler memicu peningkatan drastis volume komentar pengguna di Google Play Store yang memuat opini berharga. Akan tetapi, kuantitas data yang masif membuat proses evaluasi sentimen secara manual menjadi sangat tidak efisien dan menyita waktu. Beranjak dari kendala tersebut, riset ini bertujuan untuk mengukur dan membandingkan tingkat keandalan algoritma Support Vector Machine (SVM) serta Naive Bayes dalam pengklasifikasian polaritas ulasan secara otomatis. Eksperimen dijalankan memanfaatkan korpus "Google Play Store Reviews" dari repositori Kaggle. Teks mentah difilter melewati tahapan preprocessing (meliputi case folding, tokenization, dan stopword removal), sebelum dikonversi menjadi format numerik lewat skema pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Tolok ukur pengujian bertumpu pada indikator akurasi, presisi, sensitivitas (recall), dan F1-score. Hasil komparasi membuktikan bahwa arsitektur SVM mendominasi dengan capaian akurasi di angka 82,07%, sukses menundukkan performa Naive Bayes yang tertahan pada level 80,83%.