PERBANDINGAN METODE NAIVE BAYES, KNN DAN SVM PADA ANALISIS SENTIMEN JASA TRANSPORTASI ONLINE

Transportasi online sudah menjadi bagian dari kehidupan masyarakat. Dengan banyaknya opini yang beragam serta banyaknya pilihan transportasi online membuat masyarakat kesulitan dalam memilih transportasi online yang unggul. Menilai dari rating aplikasi saja nyatanya tidak cukup karena rating yang diberikan tidak jarang bertolak belakang dengan komentar yang diberikan. Oleh karena itu diperlukan perhatian khusus pada ulasan pengguna dengan memanfaatkan sentiment analysis. Tujuan dari penelitian ini adalah untuk menghasilkan rekomendasi transportasi online yang diperuntukkan kepada masyarakat agar dapat dengan mudah memilih transportasi online dengan layanan terbaik berdasarkan komentar pengguna. Penelitian ini menggunakan tiga model klasifikasi yaitu Multinomial Naïve Bayes (MNB), Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN) kemudian membandingkannya untuk mendapatkan model dengan performa terbaik yang dapat digunakan untuk memprediksi sentimen pada setiap ulasan pengguna. Transportasi online yang dianalisa adalah Grab, Gojek dan Maxim karena aplikasi ini adalah yang paling banyak diunduh oleh masyarakat Indonesia. Dari hasil pengujian yang dilakukan SVM memiliki performa paling baik dibandingkan dengan Multinomial NB dan KNN dengan nilai akurasi sebesar 85%. Sedangkan akurasi yang didapatkan untuk model Multinomial NB sebesar 84% dan KNN sebesar 68%. Maka dari itu SVM adalah model yang digunakan untuk memprediksi sentimen pada ulasan untuk menghasilkan sebuah rekomendasi transportasi online. Dari hasil perhitungan Customer Satisfaction yang didapatkan, Maxim memiliki nilai kepuasan pelanggan tertinggi sebesar 76%, kemudian Grab 55% dan Gojek 43%.