PERBANDINGAN KINERJA ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE DALAM ANALISIS SENTIMEN ULASAN APLIKASI SEABANK

Transformasi digital di sektor keuangan mendorong peningkatan penggunaan layanan mobile banking di Indonesia, salah satunya aplikasi SeaBank yang memiliki volume ulasan pengguna lebih dari tiga juta pada Google Play Store. Ulasan tersebut merepresentasikan pengalaman nyata pengguna terkait fitur, stabilitas, dan layanan, namun bentuknya yang tidak terstruktur dan berjumlah besar menyulitkan proses evaluasi secara konvensional. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen ulasan aplikasi SeaBank.Penelitian ini menggunakan metode Cross-Industry Standard Process for Data Mining (CRISP-DM) dengan data sebanyak 6.000 ulasan hasil scraping Google Play Store. Data diproses melalui tahapan cleaning, tokenization, stopword removal, dan stemming, kemudian dilabeli berdasarkan nilai rating dan dibobotkan menggunakan metode TF-IDF. Data dibagi menjadi 80% data latih dan 20% data uji menggunakan teknik stratified sampling. Kedua model dievaluasi menggunakan confusion matrix serta metrik accuracy, precision, recall, dan F1-score dengan pendekatan macro average.Hasil penelitian menunjukkan bahwa algoritma SVM memperoleh kinerja lebih baik dibandingkan Naïve Bayes pada seluruh metrik evaluasi, dengan nilai accuracy 0,893, precision 0,861, recall 0,865, dan F1-score 0,863, sedangkan Naïve Bayes memperoleh accuracy 0,883, precision 0,849, recall 0,849, dan F1-score 0,849. Hasil ini menunjukkan bahwa SVM lebih efektif dalam mengklasifikasikan sentimen ulasan aplikasi SeaBank dibandingkan Naïve Bayes.