Perbandingan Algoritma Naive Bayes dan Support Vector Machine (SVM) untuk Analisis Sentimen Ulasan Pengguna Aplikasi EZVIZ di Google Play Store

Urfi Nurwahidah; Fenilinas Adi Artanto; Aslam Fatkhudin

Publikasi

Karya Ilmiah Mahasiswa

Pencarian Spesifik

Kunjungan

Quick Search

Detail Record

Kembali Ke sebelumnya

Perbandingan Algoritma Naive Bayes dan Support Vector Machine (SVM) untuk Analisis Sentimen Ulasan Pengguna Aplikasi EZVIZ di Google Play Store

Pengarang : Urfi Nurwahidah, Fenilinas Adi Artanto, Aslam Fatkhud

Kata Kunci :Analisis sentimen, EZVIZ, Naïve Bayes, Support Vector Machine

Perkembangan teknologi keamanan digital mendorong meningkatnya penggunaan aplikasi pemantauan berbasis CCTV, salah satunya aplikasi EZVIZ. Seiring bertambahnya jumlah pengguna, semakin banyak ulasan yang diberikan pada Google Play Store. ulasan tersebut mengandung opini pengguna yang dapat dimanfaatkan untuk mengetahui tingkat kepuasan dan kualitas aplikasi, namun jumlahnya yang besar dan tidak terstruktur memerlukan teknik analisis khusus. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna serta membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM) penelitian ini memanfaatkan data dengan rentang data 1 Maret 2025 sampai 1 November 2025. Hasil penelitian menunjukkan bahwa mayoritas ulasan pengguna aplikasi EZVIZ memiliki sentimen positif. Berdasarkan hasil evaluasi, kedua algoritma tersebut memiliki nilai akurasi yang sama yaitu 92%, namun Naive Bayes hanya menunjukkan kinerja yang baik pada sentimen positif dan belum mampu mengklasifikasikan sentimen negatif serta netral dengan optimal akibat dominasi data sentimen positif. Sementara itu, SVM menunjukkan hasil yang lebih baik dalam menangani data sentimen dengan jumlah yang lebih sedikit, yang tercermin dari nilai macro average dan weighted average yang lebih tinggi, dengan demikian dapat disimpulkan bahwa algoritma SVM lebih optimal dibandingkan Naïve Bayes dalam mengklasifikasikan sentimen ulasan pengguna aplikasi EZVIZ.

NASKAH PUBLIKASI

Referensi

Albab, M. U., P., Y. K., & Fawaiq, M. N. (2023). Optimization of the Stemming Technique on Text Preprocessing President 3 Periods Topic. Jurnal Transformatika, 20(2), 1–12. https://doi.org/10.26623/transformatika.v20i2.5374

Artanto, F. A. (2024). Analisis Sentimen Opini Publik terhadap Fenomena Bunuh Diri Mahasiswa di Twitter Menggunakan Algoritma Naive Bayes. SATESI: Jurnal Sains Teknologi Dan Sistem Informasi, 4(1), 70–77. https://doi.org/10.54259/satesi.v4i1.2908

Artanto, F. A., Kusumawardani, H. H., Rosyadi, I., Arzha, F. I., & Rachmayani, N. A. (2022). Analisis Decision Tree dalam Pengaruh Digital Marketing Terhadap Peneriaman Siswa Baru. REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer, 6(2), 225-231. https://jurnal.polgan.ac.id/index.php/remik/article/view/11494

Artanto, F. A., Rosyadi, I., Rahmawati, S. E., & Pangestu, H. T. B. J. (2022). Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia. Jurnal Fasilkom, 12(3), 141-144. https://ejurnal.umri.ac.id/index.php/JIK/article/view/3948

Astuti, K. C., Firmansyah, A., & Riyadi, A. (2024). Implementasi Text Mining untuk Analisis Sentimen Masyarakat terhadap Ulasan Aplikasi Digital Korlantas Polri pada Google Play Store. Remik: Riset Dan E-Jurnal Manajemen Informatika Komputer, 8(1). https://doi.org/10.33395/remik.v8i1.13421

D?browski, J., Letier, E., Perini, A., & Susi, A. (2023). Mining and searching app reviews for requirements engineering: Evaluation and replication studies. Information Systems, 114. https://doi.org/10.1016/j.is.2023.102181

Devi, D. L., Arifiyanti, A. A., & Wati, S. F. A. (2024). Analisis Sentimen Ulasan Pengguna Access by KAI menggunakan Metode Word2Vec dan Algoritma SVM. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4892

Dwicahyo, K., & Chanifah, I. R. (2023). Perbandingan Metode Web Scraping Dalam Pengambilan Data: Kajian Literatur. AUTOMATA, 4(2). https://journal.uii.ac.id/AUTOMATA/article/view/28635

EZVIZ. (2025). EZVIZ. 2025. https://www.ezviz.com/id/page/about-ezviz

Fatkhudin, A., Khambali, A., Artanto, F. A., Putra Zade, N. A., & Muhammadiyah Pekajangan Pekalongan, U. (2023). Implementasi Algoritma Clustering K-Means Dalam Pengelompokan Mahasiswa Studi Kasus (Prodi Manajemen Informatika). Jurnal Minfo Polgan, 12(2). https://doi.org/10.33395/jmp.v12i2.12494

Ferry Bakti Atmaja, R., Dendi, A. R., Amir, A. A., Isnanto, B., Ekonomi dan Bisnis, F., Atma Luhur, I., Bangka Belitung, K., & Teknologi Informasi, F. (2025). PKM Pelatihan dan Praktek Proses Instalasi Jaringan CCTV Kepada PKL. 5(4). https://doi.org/10.59818/jpm.v5i4.1825

Fide, S. (2021). Analisis Sentimen Ulasan Aplikasi TikTok di Google Play menggunakan Metode Support Vector Machine (SVM) dan Asosiasi. 10(3), 346–358. https://ejournal3.undip.ac.id/index.php/gaussian/

Google Play Store. (2025). EZVIZ. 2025. https://play.google.com/store/apps/details?id=com.ezviz&hl=id

Haq, M. F. I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. Jurnal Surya Informatika, 14(1), 24-29. https://jurnal.umpp.ac.id/index.php/surya_informatika/article/view/1785

Herawati, N., & Gunawan. (2025). Penerapan Metode Support Vector Machine untuk Mengukur Akurasi Model Klasifikasi Sentimen. Jurnal Informatika Teknologi Dan Sains, 7(3), 1455–1463. https://www.jurnal.uts.ac.id/JINTEKS/article/view/6189

Hidayat, N. F., & Sugiyono. (2023). Analisis Sentimen Masyarakat Terhadap Perekrutan PPPK Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine. Jurnal Sains Dan Teknologi, 5(2), 665–672. https://doi.org/10.55338/saintek.v5i1.1359

Jannah, N. Z. B., & Kusnawi, K. (2024). Comparison of Naïve Bayes and SVM in Sentiment Analysis of Product Reviews on Marketplaces. Sinkron, 8(2), 727–733. https://doi.org/10.33395/sinkron.v8i2.13559

Juniarsih, S., Ripanti, E. F., & Pratama, E. E. (2020). Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi. Jurnal Sistem Dan Teknologi Informasi (Justin), 8(3), 239. https://doi.org/10.26418/justin.v8i3.39118

Lina, S., Sitio, M., & Nadiyanti, R. (2022). Analisis Sentimen Kenaikan Harga BBM Pertamax Pada Media Sosial Menggunakan Metode Naïve Bayes Classifier. Technology and Science (BITS), 4(3). https://doi.org/10.47065/bits.v4i3.2331

Maulana, B. A., Fahmi, M. J., Imran, A. M., & Hidayati, N. (2024a). Analisis Sentimen Terhadap Aplikasi Pluang Menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 375–384. https://doi.org/10.57152/malcom.v4i2.1206

Ningsih, W., Alfianda, B., Rahmaddeni, R., & Wulandari, D. (2024). Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 556–562. https://doi.org/10.57152/malcom.v4i2.1253

Nufairi, F., Pratiwi, N., & Herlando, F. (2024). Analisis Sentimen pada Ulasan Aplikasi Threads di Google Play Store menggunakan Algoritma Support Vector Machine. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 9(1), 339–348. https://doi.org/10.29100/jipi.v9i1.4929

Nurhidayat, R., & Dewi, K. E. (2023). Penerapan Algoritma K-Nearest Neighbor dan Fitur Ekstrasi N-Gram dalam Analisis Sentimen Berbasis Aspek. 12(1). https://ojs.unikom.ac.id/index.php/komputa/article/view/9458

Provost, F. (2000, July). Machine learning from imbalanced data sets 101. In Proceedings of the AAAI’2000 workshop on imbalanced data sets (Vol. 68, No. 2000, pp. 1-3). AAAI Press. www.aaai.org

Putri, D. S., & Ridwan, T. (2023). Analisis Sentimen Ulasan Aplikasi Pospay Dengan Algoritma Support Vector Machine. Jurnal Ilmiah Informatika, 11(01), 32-40.

https://ejournal.upbatam.ac.id/index.php/jif/article/download/6611/3098

Sukirman, Sajidah, Husain, N. P., Syam, A. F., & Ragil, M. (2024). Analisis Sentimen Ulasan Pengguna TikTok pada Google Play Store Berbasis TF-IDF dan Support Vector Machine. In Journal of System and Computer Engineering (JSCE) ISSN (Vol. 5, Number 1). https://images.app.goo.gl/hC6494uW637VmYVW9

Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi Dan Komunikasi (TIKomSiN), 8(2). https://doi.org/10.30646/tikomsin.v8i2.500

Rachmiani, R., Kintan Oktadinna, N., & Rachmat Fauzan, T. (2024). The Impact of Online Reviews and Ratings on Consumer Purchasing Decisions on E-commerce Platforms. International Journal of Management Science and Information Technology, 4(2), 504–515. https://doi.org/10.35870/ijmsit.v4i2.3373

Hakim, Z. R., & Sugiyono. (2024). Analisa Sentimen Terhadap Kereta Cepat Jakarta – Bandung Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor. Jurnal Sains Dan Teknologi, 5(3), 939–945. https://doi.org/10.55338/saintek.v5i3.1423

Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. J. SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), 4(1), 15-21.https://jurnal.tau.ac.id/index.php/siskom-kb/article/view/169

Rizquina, A. Z., & Ratnasari, C. I. (2023). Implementasi Web Scraping untuk Pengambilan Data Pada Website E-Commerce. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(4), 377–383. https://doi.org/10.47233/jteksis.v5i4.913

Setiyawan, N. H., Hariyadi, A., & Kurniawan, A. (2025). Sistem Pengawasan CCTV Pada ATM Secara Real-Time Berbasis Internet of Things. Jurnal Janitra Informatika Dan Sistem Informasi, 5(1). https://doi.org/10.59395/k0e60m33

Shevira, S., Made, I., Suarjaya, A. D., & Wira Buana, P. (2022). Pengaruh Kombinasi dan Urutan Pre-Processing pada Tweets Bahasa Indonesia. In JITTER-Jurnal Ilmiah Teknologi dan Komputer (Vol. 3, Number 2). https://pdfs.semanticscholar.org/718e/ac1da6241884b6ce10f34b86f2583ac9670f.pdf

Sujadi, H. (2022). Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Wabah Covid-19 Dengan Metode Naive Bayes Classifier dan Support Vector Machine. INFOTECH Journal, 8(1), 22–27. https://doi.org/10.31949/infotech.v8i1.1883

Suryani, P. S. M., Linawati, L., & Saputra, K. O. (2019). Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia. Majalah Ilmiah Teknologi Elektro, 18(1), 145. https://doi.org/10.24843/mite.2019.v18i01.p22

Syahrudin, Artanto, F. A., Maulana, A. R., & Filsafat. (2025). Metode Support Vector Machine (SVM) dan Lexicon-Based dalam Analisis Sentiment Ulasan Pengguna Aplikasi Wink. JUMINTAL: Jurnal Manajemen Informatika Dan Bisnis Digital, 4(1), 59–73. https://doi.org/10.55123/jumintal.v4i1.5236

Tri, A., Aep, S., Marsidi, A., Ryan, P., Ayu, A., & Haria, S. (2023). Peran Closed Circuit Television (CCTV) dalam Meningkatkan di Kampus STIE Genesha (Vol. 02, Number 03). https://ejournal.stiepena.ac.id/index.php/fokusemba/article/view/849

Vonega, D. A., Fadila, A., & Kurniawan, D. E. (2022). Analisis Sentimen Twitter Terhadap Opini Publik Atas Isu Pencalonan Puan Maharani dalam PILPRES 2024. In Journal of Applied Informatics and Computing (JAIC) (Vol. 6, Number 2). http://jurnal.polibatam.ac.id/index.php/JAIC

Wati, R., Ernawati, S., & Rachmi, H. (2023). Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH. Jurnal Manajemen Informatika (JAMIKA), 13(1), 84–93. https://doi.org/10.34010/jamika.v13i1.9424

Properti	Nilai Properti
Organisasi	Universitas Muhammadiyah Pekajangan Pekalongan
Email	umpp.pekalongan@yahoo.com
Alamat	Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan
Telepon	(0285) 7832294
Tahun	2026
Kota	Pekalongan
Provinsi	Jawa Tengah
Negara	Indonesia