YULIA IKHSANI, -
(2024)
PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES DALAM MENGANALISIS SENTIMEN PINJAMAN ONLINE DI TWITTER.
Building of Informatics, Technology and Science (BITS), 6 (3).
pp. 1413-1426.
ISSN 2685-3310
Abstract
Penelitian ini membandingkan performa algoritma SVM (Support Vector Machine) dan NBC (Naïve Bayes Classifier) dalam menganalisis sentimen terkait pinjaman online di Twitter. Data yang digunakan terdiri dari 1.200 komentar yang dikumpulkan melalui teknik crawling, mencakup pinjol legal dan ilegal. Data ini diproses melalui text preprocessing (cleaning, tokenizing, filtering, dan stemming) dan diberikan bobot menggunakan metode TF-IDF. Penelitian ini menggunakan teknik SMOTE untuk menyeimbangkan kelas sentimen dan membagi data menjadi 70% data latih dan 30% data uji. Hasil analisis menunjukkan bahwa algoritma SVM dengan kernel RBF memiliki kinerja terbaik pada dataset pinjol legal, dengan akurasi, presisi, dan recall masing-masing sebesar 70%, 72%, dan 70%. Sedangkan pada dataset pinjol ilegal, algoritma NBC menunjukkan kinerja yang lebih baik dengan akurasi, presisi, dan recall masing-masing sebesar 75%, 76%, dan 75%. Penelitian ini menunjukkan pentingnya penggunaan teknik SMOTE untuk meningkatkan performa model dalam mengatasi ketidakseimbangan data. Studi ini memberikan wawasan mengenai efektivitas kedua algoritma dalam analisis sentimen dan relevansinya terhadap pemahaman opini publik di ranah fintech lending.
Actions (login required)
 |
View Item |
