Perbankan merupakan industri yang saat ini sudah berkembang dalam pemanfaatan teknologi informasi dengan meningkatkan standar kualitas layanan agar dapat bersaing dipasar pada era digital yang semakin ketat. Pada saat ini bank BRI sedang menarik perhatian masyarakat akan kualitas pembaharuan dengan meluncurkan aplikasi mobile banking, maka dari itu dilakukanlah analisis mengenai ulasan pengguna mobile banking BRImo untuk dijadikan sebagai objek penelitian dengan melakukan komparasi metode klasifikasi text mining. Penelitian ini bertujuan untuk mengetahui hasil komparasi algoritma Support vector machine dan Naive bayes. Algoritma Support vector machine dan Naive bayes adalah suatu metode klasifikasi untuk mengolah data berupa teks dengan tingkat akurasi yang baik. Algoritma ini biasanya digunakan untuk analisis text mining dengan 4 tahapan yaitu Scrapping data, Preprocessing, Klasifikasi dan evaluasi. Pada tahap preprocessing memiliki beberapa proses diantaranya filtering, labeling, case folding, tokenization, stopword removal & Stemming dan normalisasi agar mendapatkan suatu kata yang bisa diklasifikasikan. Hasil dari penelitian ini yaitu algoritma Support vector machine merupakan algortima yang lebih baik dalam klasifikasi data ulasan aplikasi mobile banking BRImo dengan nilai akurasi sebesar 97,69% dibandingkan algoritma Naive Bayes dengan nilai akurasi sebesar 96,53%.
Mendeley helps you to discover research relevant for your work.
CITATION STYLE
Puji Astuti, A., Alam, S., & Jaelani, I. (2022). Komparasi Algoritma Support Vector Machine dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo. Jurnal Bangkit Indonesia, 11(2), 1–6. https://doi.org/10.52771/bangkitindonesia.v11i2.196