<![CDATA[ANALISIS SENTIMEN APLIKASI DUOLINGO MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE]]>
Fatma Alifiana
Pengarang
Iman Ahmad Ihsanuddin, S.Pd.Kom, M.Pd
Dosen Pembimbing 2
M.Fuat Asnawi, S.Kom., M.m.
Dosen Pembimbing 1
Saifu Rohman, M.Kom.
Penguji 2
M.Fuat Asnawi, S.Kom., M.m.
Penguji 1
Keterbatasan waktu, tempat, dan biaya menjadi salah satu faktor penyebabkurangnya pendidikan pada seseorang. Selain itu, banyak diantara kalanganpelajar yang kehilangan motivasi belajar, karena tidak variatif dan monotonnyamodel pembelajaran yang diterapkan di kelas konvensional, akibatnya merekacenderung malas belajar, namun tidak menutup kemungkinan untuk bisa belajarsecara optimal di era modern ini, salah satunya melalui m-learning yang lebihfleksibel, efektif, dan tentunya lebih menarik, namun adanya bug maupunlayanan atau fitur tambahan yang ditemui saat update aplikasi seringkalimembuat pengguna aplikasi Duolingo merasa kecewa dan tidak nyaman saatmengaksesnya, hal tersebut dibuktikan dengan ulasan yang beberapadiantaranya memuat komentar negatif, sehingga perlu dilakukan analisissentimen sebagai bahan pertimbangan pengguna dalam memilih platformbelajar online, dan sekaligus bisa digunakan untuk evaluasi developer dalampengembangan aplikasi tersebut. Penelitian ini melakukan analisa sentimenpada aplikasi Duolingo berdasarkan ulasan terbaru yang diambil di Google PlayStore menggunakan algoritma Naïve Bayes dan Support Vector Machine yangbertujuan untuk mengetahui tendensi sentimen dan membandingkan tingkatakurasi kedua algoritma tersebut. Penelitian ini menggunakan 1500 data,dimana 1200 termasuk data latih, dan 300 termasuk data uji. Algoritma NaïveBayes memperoleh nilai accuracy sebesar 81%, precission 80%, recall 98%,dan f1-score 88%. Sedangkan metode Support Vector Machine menghasilkannilai accuracy 85%, precission 87%, recall 94%, dan f1-score 90%. Maka dariperbandingan performa kedua algoritma tersebut, dapat disimpulkan bahwaalgoritma Support Vector Machine memiliki tingkat accuracy yang lebih baikdibanding dengan algoritma Naïve Bayes.
Kata Kunci : Aplikasi, Algoritma, Analisis Sentimen, Naïve Bayes, SupportVector Machine