Perbandingan Metode Klasifikasi Sentimen Analisis Penggunaan E-Wallet Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor

Abstract

Dompet digital atau yang sering disebut dengan e-wallet dalam kurun waktu belakangan ini semakin meningkat dalam penggunaannya. Hasil survei Jakpat, dalam melakukan pembayaran digital sebanyak 94% responden menggunakan dompet digital (e-wallet). Banyak sekali masyarakat yang mulai merasakan manfaat dari e-wallet sendiri. Didalamnya, e-wallet menawarkan berbagai fitur yang salah satunya kepraktisan dan efisiensi dalam bertransaksi dan keamanan dalam transaksi. Tujuan dari penelitian ini untuk mencari algoritma terbaik dalam menentukan klasifikasi sentimen analisis penggunaan e-wallet dengan membandingkan dua algoritma yaitu Naïve Bayes (NB) dan K-Nearest Neighbor (k-NN). Sebanyak 1292 data menggunakan  kata kunci yang sesuai dengan e-wallet yang akan digunakan, diambil pada tanggal 17 Oktober – 11 November 2022 melalui proses crawling data twitter. Proses tersebut dimulai pada tahap pengumpulan dataset twitter, pelabelan data, Text Processing, Cross Validation model klasifikasi, evaluasi accuracy hingga didapatkan hasil akhir yaitu  dibandingkan dengan model klasifikasi Naïve Bayes, hasil akurasi algoritma k-NN lebih tinggi. Hasil accuracy dari masing-masing model klasifikasi yaitu NB sebesar 73.03% dan k-NN sebesar 89.44%, precision NB sebesar 21.40% dan k-NN sebesar 65.45%, dan recall NB sebesar 48.32% dan k-NN sebesar 22.25%. Dari hasil perbandingan metode membuktikan bahwa algoritma k-NN dengan accuracy terbaik yaitu sebesar 89.44%.