Implementasi Support Vector Machine Dan Naive Bayes Pada Analisis Sentimen Review Aplikasi Layanan Kesehatan (Telemedicine) Halodoc Di Playstore

Abstract

Kesehatan merupakan aspek yang sangat penting bagi kehidupan manusia. Aplikasi Halodoc memudahkan pengguna dalam melakukan konsultasi tentang berbagai macam keluhan tanpa harus tatap muka. Untuk membagikan pengalaman nya, pengguna akan memberikan rating dan ulasan pada kolom komentar. Untuk mengetahui kualitas layanan yang diberikan, maka dengan melakukan analisis sentimen dapat mengklasifikasikan ulasan tersebut ke dalam sentimen positif, negatif dan netral. Ulasan tersebut menjadi acuan dalam penelitian bagi aplikasi halodoc dalam meningkatkan kualitas layanan nya. Algoritma Naive Bayes dan Support Vector Machine digunakan untuk menganalisis sentimen pengguna aplikasi Halodoc, dengan tujuan untuk mengetahui perbandingan hasil nilai dari beberapa matrix yaitu precision, recall, f1-score dan accuracy. Hasil klasifikasi sentimen positif sebanyak 2004 data, negatif sebanyak 1029 data dan netral sebanyak 1727 data dari 5000 ulasan pengguna. Berdasarkan nilai akurasi dapat diketahui bahwa model SVM memiliki akurasi lebih tinggi dibandingkan Naive Bayes, dengan perbandingan 80:20. Dengan tingkat akurasi Support Vector Machine 83% sedangkan Naive Bayes 73%.