Komparasi Naive Bayess dengan Support Vector Machine dalam Analisis Sentimen Aplikasi MyPertamina

Abstract

PT Pertamina telah melakukan sosialisasi di berbagai media
terkait pembelian BBM Subsidi yakni Pertalite dan Solar
melalui situs MyPertamina. namun, masyarakat Indonesia
masih memberian respons negatif terhadap kebijakan
tersebut. Masyarakat banyak memberikan pendapat mereka
masing-masing melalui media sosial, khususnya pada media
sosial Twitter. Tujuan dari penelitian ini adalah
membandingkan tingkat Akurasi klasifikasi dari metode
Support Vector Machine dengan Naïve Bayes Classifier
terhadap Sentimen Ulasan Twitter terkait kebijakan
penggunaan aplikasi MyPertamina yang dibagi ke dalam tiga
kelas yaitu, Negatif, Positif dan Netral. Dataset yang
digunakan dalam penelitian ini menggunakan hasil crawling
dari ulasan Twitter. Tool yang digunakan dalam penelitian in
menggunakan Google Colab dengan menggunakan Bahasa
pemrograman Phyton. Dataset yang digunakan sebanyak
1066 data berlabel positif, negatif, dan netral. Dengan
pembagian data latih sebanyak 80% dan data uji sebanyak
20%. Penelitian ini menghasilkan bahwa metode klasifikasi
Support Vector Machine (SVM) lebih unggul di bandingkan
metode klasifikasi Naïve Bayes Classifier (NBC). Metode
SVM menghasilkan accuracy sebesar 99.5% sedangkan
Metode NBC menghasilkan accuracy sebesar 97.6%.