Perbandingan Naive Bayes dan K-Nearest Neighbor untuk Analisis Sentimen Aplikasi Gapura UB Berdasarkan Ulasan Pengguna pada Playstore

Abstrak

Aplikasi Gapura UB merupakan aplikasi berbasis mobile apps yang memberi kemudahan bagi mahasiswa untuk mengakses layanan dan informasi terkait Universitas Brawijaya seperti presensi online, melihat jadwal kuliah, mengakses KRS dan KHS. Dibalik kemudahan yang ditawarkan dari aplikasi tersebut, ditemukan kinerja aplikasi yang belum optimal seperti munculnya bug atau error pada aplikasi serta ditemukannya ulasan pada Google Playstore yang menunjukkan ketidakpuasan pengguna terhadap kinerja aplikasi dengan berisi keluhan-keluhan terkait aplikasi. Penelitian ini mencoba untuk mengklasifikasikan ulasan pengguna aplikasi Gapura UB melalui Google Playstore dengan membandingan dua algoritma klasifikasi yaitu Naive Bayes dan K-Nearest Neighbor yang bertujuan untuk mengetahui algoritma mana yang unggul pada data ulasan pengguna aplikasi Gapura UB. Data ulasan yang digunakan adalah sebanyak 300 data dengan dibagi menjadi dua kelas sentimen yaitu kelas sentimen positif dan sentimen negatif. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa lebih unggul daripada K-Nearest Neighbor dengan accuracy 88.5%, precision 88.7%, recall 88.2%, dan f-measure 88.2% sedangkan K-Nearest Neighbor menghasilkan accuracy 84.8%, precision 85.4%, recall 84.6% dan f-measure 84.1% yang diperoleh dari nilai k=5.