Analisis Sentimen Persepsi Pengguna Pedulilindungi Menggunakan Algoritma Naive Bayes Classifier (Nbc) Dan Support Vector Machine (Svm)

Abstract

Perkembangan virus corona di Indonesia merupakan salah satu negara dengan kasus tertinggi. Hal ini membuat pemerintah berinisiatif melakukan pemantauan untuk meminimalisir penyebarannya dengan membuat pelayanan yang bernama PeduliLindungi. Aplikasi PeduliLindungi mengandalkan masyarakat untuk membagikan data lokasinya. Aplikasi ini sudah di-download sebanyak 50 juta kali dan ulasan yang ada cukup memenuhi harapan pengguna. Namun, perlu adanya evaluasi untuk meningkatkan pelayanan tersebut. Untuk mendapatkan informasi terkait perbaikan layanan diperlukan metode untuk membantu mengekstrak dan memilih ulasan secara efisien. Salah satu metode yang digunakan yaitu text mining dengan menggunakan algoritma Naive Bayes Classifier (NBC) Dan Support Vector Machine (SVM) serta dianalisis dengan menggunakan asosiasi kata. Berdasarkan tiga perbandingan data training dan data testing degan percobaan sebanyak tiga kali disetiap perbandingan diketahui bahwa akurasi tertinggi metode SVM memiliki 95.01% dan pada metode NBC akurasi tertinggi memiliki 87.68%. Selanjutnya dilakukan asosiasi kata pada sentimen positif yaitu aplikasi, bantu, vaksin, sertifikat, kasih, terima, baru, bagus, masuk dan manfaat. Sedangkan pada kelas sentimen negatif yaitu aplikasi, vaksin, sertifikat, sulit, masuk, tolong, buka, data, update, tanggal, lahir, muncul. Hasil ulasan yang didapatkan selanjutnya akan dilakukan analisis perbaikan dengan diagram fishbone sebagai pemecah permasalahan.