Perbandingan Algoritma Naïve Bayes Dan Support Vector Machine Dalam Menentukan Sentimen Publik Terhadap Copilot

Authors

  • Agustio Dwitama Universitas Katolik Musi Charitas, Palembang
  • Meilinda Meilinda Universitas Katolik Musi Charitas, Palembang
  • Nevin Julian Masidin Universitas Katolik Musi Charitas, Palembang
  • Andri Wijaya Universitas Katolik Musi Charitas, Palembang

DOI:

https://doi.org/10.33020/jsimtek.v3i1.800

Keywords:

analisis sentimen, copilot, support vector machine, naïve bayes

Abstract

Chatbot modern, termasuk Copilot dari Microsoft Edge, berkembang pesat berkat teknologi pemrosesan bahasa alami (NLP). Penelitian ini menganalisis sentimen publik terhadap Copilot menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Dengan mengumpulkan 20.000 ulasan dari Google Play Store melalui library Python “google_play_scraper”, data diproses dengan langkah-langkah preprocessing, diikuti pelabelan menggunakan VADER untuk mengklasifikasikan ulasan menjadi positif, negatif, dan netral. Metode TF-IDF digunakan untuk mengindeks dan memberikan bobot pada istilah sebelum menerapkan model pencarian berbasis vektor. Hasil evaluasi menunjukkan SVM unggul dibandingkan Naïve Bayes dalam akurasi (96,54% vs 90,32%), precision, recall, dan F1-score, terutama dalam mendeteksi ulasan negatif. Word Cloud analisis menunjukkan kata kunci positif dominan seperti "app" dan "good", mencerminkan persepsi pengguna yang baik terhadap Copilot. Penelitian ini merekomendasikan pengoptimalan lebih lanjut untuk Naïve Bayes dan menegaskan bahwa SVM adalah pilihan lebih baik untuk analisis sentimen kompleks.

Downloads

Download data is not yet available.

References

Library. (n.d.). Indexing and Weighting. Retrieved December 17, 2024, from https://1library.net/article/indexing-and-weighting-text-preprocessing.qvv62n1q

Binus University. (n.d.). Metode-Metode Information Retrieval. Retrieved December 17, 2024, from https://online.binus.ac.id/computer-science/2020/06/15/metode-metode-information-retrieval/

Cristianini, Nello., & Shawe-Taylor, John. (2000). An Introduction to support vector machines?: and other kernel-based learning methods. Cambridge University Press. https://doi.org/https://doi.org/10.1017/CBO9780511801389

Friadi, J., & Kurniawan, D. E. (2024). Analisis Sentimen Ulasan Wisatawan Terhadap Alun-Alun Kota Batam: Perbandingan Kinerja Metode Naive Bayes dan Support Vector Machine. Jurnal Sistem Informasi Bisnis, 14(4), 403–407. https://doi.org/10.21456/vol14iss4pp403-407

IBM. (n.d.). What is a chatbot? Retrieved December 16, 2024, from https://www.ibm.com/think/topics/chatbots

JoMingyu. (n.d.). JoMingyu/google-play-scraper. Retrieved December 20, 2024, from https://github.com/JoMingyu/google-play-scraper

Ningsih, W., Alfianda, B., Rahmaddeni, & Wulandari, D. (2024). Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 556–562. https://doi.org/10.57152/malcom.v4i2.1253

Purnamasari, D., Aji, A. B., A.P., D. W., Reza, F. A., O., M. S., Yanda, N., & Hidayati, U. (2023). Pengantar Metode Analisis Sentimen. https://penerbit.gunadarma.ac.id/wp-content/uploads/2023/09/Pengantar-Metode-Analisis-Sentimen_Detty-cs_Watermark.pdf

Rahayu, P. W., Sudipa, I. G. I. S., Suryani, Surachman, A., Ridwan, A., Darmawiguna I Gede Mahendra, Sutoyo, Muh. N., Slamet, I., Harlina, S., & Maysanjaya, I. M. D. (n.d.). BUKU AJAR DATA MINING. https://www.researchgate.net/publication/377415198

Ren, F., & Sohrab, M. G. (2013). Class-indexing-based term weighting for automatic text classification. Information Sciences, 236, 109–125. https://doi.org/10.1016/j.ins.2013.02.029

Sarimole, F. M., & Kudrat. (2024). Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine. Jurnal Sains Dan Teknologi, 5(3), 783–790. https://doi.org/10.55338/saintek.v5i1.2702

VaderSentiment. (n.d.). Welcome to VaderSentiment’s documentation! Retrieved December 16, 2024, from https://vadersentiment.readthedocs.io/en/latest/

Wajdi, F., Atiningsih, S., Sinurat, J., Agustina, E. B., Ridhasyah, R., Lidyawati, Hozairi, Amane Ade Putra Ode, Hantono, Jumiati, E., Suprapto, F. M., Rijal, K., Ginting, R., & The, H. Y. (n.d.). METODOLOGI PENELITIAN & ANALISIS DATA KOMPREHENSIF.

Wang, L., & Springer, B. (2005). Support Vector Machines: Theory and Applications. https://personal.ntu.edu.sg/elpwang/PDF_web/05_SVM_basic.pdf

Downloads

PlumX Metrics

Published

2025-01-24

How to Cite

Agustio Dwitama, Meilinda, M., Julian Masidin, N., & Wijaya, A. (2025). Perbandingan Algoritma Naïve Bayes Dan Support Vector Machine Dalam Menentukan Sentimen Publik Terhadap Copilot. Jurnal Sistem Informasi, Manajemen Dan Teknologi Informasi, 3(1), 1–12. https://doi.org/10.33020/jsimtek.v3i1.800

Issue

Vol. 3 No. 1 (2025): Januari

Section

Articles

License

Copyright (c) 2025 Agustio Dwitama, Meilinda Meilinda, Nevin Julian Masidin, Andri Wijaya

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Dengan mengirimkan manuskrip ke Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi, penulis setuju dengan kebijakan ini. Tidak diperlukan persetujuan dokumen khusus.

  1. Hak cipta pada setiap artikel adalah milik penulis.
  2. Penulis mempertahankan semua hak mereka atas karya yang diterbitkan, tak terbatas pada hak-hak yang diatur dalam laman ini.
  3. Penulis mengakui bahwa Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi sebagai yang pertama kali mempublikasikan dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License. (CC BY-SA). Lisensi ini mengizinkan setiap orang untuk :
    • Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
    • Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun.
    • Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
    • BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
  4. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi;
  5. Penulis menjamin bahwa artikel asli, ditulis oleh penulis yang disebutkan, belum pernah dipublikasikan sebelumnya, tidak mengandung pernyataan yang melanggar hukum, tidak melanggar hak orang lain, tunduk pada hak cipta yang secara eksklusif dipegang oleh penulis.
  6. Jika artikel dipersiapkan bersama oleh lebih dari satu penulis, setiap penulis yang mengirimkan naskah menjamin bahwa dia telah diberi wewenang oleh semua penulis bersama untuk menyetujui hak cipta dan pemberitahuan lisensi (perjanjian) atas nama mereka, dan setuju untuk memberi tahu rekan penulis persyaratan kebijakan ini.  Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi tidak akan dimintai pertanggungjawaban atas apa pun yang mungkin timbul karena perselisihan internal penulis.

Lisensi :

Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi diterbitkan berdasarkan ketentuan Creative Commons Attribution-ShareAlike 4.0 International License. (CC BY-SA).