ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI SENTIMEN ULASAN APLIKASI MOBILE DI GOOGLE PLAY STORE

Lonjakan pemakaian aplikasi seluler memicu peningkatan drastis volume komentar pengguna di Google Play Store yang memuat opini berharga. Akan tetapi, kuantitas data yang masif membuat proses evaluasi sentimen secara manual menjadi sangat tidak efisien dan menyita waktu. Beranjak dari kendala tersebut, riset ini bertujuan untuk mengukur dan membandingkan tingkat keandalan algoritma Support Vector Machine (SVM) serta Naive Bayes dalam pengklasifikasian polaritas ulasan secara otomatis. Penelitian ini mengadopsi metodologi Knowledge Discovery in Databases (KDD) sebagai kerangka kerja utama. Eksperimen dijalankan memanfaatkan korpus "Google Play Store Reviews" dari repositori Kaggle, dengan jumlah data 12,495. Teks mentah difilter melewati tahapan preprocessing (meliputi case folding, tokenization, dan stopword removal), sebelum dikonversi menjadi format numerik lewat skema pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Tolok ukur pengujian bertumpu pada indikator akurasi, presisi, sensitivitas (recall), dan F1-score. Hasil komparasi membuktikan bahwa arsitektur SVM mendominasi dengan capaian akurasi di angka 86,39%, sukses menundukkan performa Naive Bayes yang tertahan pada level 85,23%.