ANALISIS SENTIMEN TERHADAP LAYANAN SEKURITASI ONLINE UNTUK INVESTASI MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES CLASSIFIER

ABSTRAKS Penelitian bertujuan untuk mengevaluasi kinerja dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Naive Bayes Classifier (NBC), dalam dua skenario berbeda: data seimbang dan data tidak seimbang. Hasil penelitian mengungkapkan bahwa proses preprocessing yang lebih baik secara signifikan meningkatkan kinerja klasifikasi sentimen, terlepas dari apakah data seimbang atau tidak. Pada implementasi analisis sentimen dengan menggunakan data yang seimbang sebagai data latih, terdiri dari 2685 data latih dan 672 data uji, algoritma SVM mencapai tingkat akurasi sebesar 69%, presisi 69%, recall 69%, dan F measure 69%. Algoritma NBC juga menghasilkan tingkat akurasi yang serupa, yaitu 70%, dengan presisi 70%, recall 70%, dan F-measure 70%. Ketika analisis sentimen diterapkan pada data yang tidak seimbang dengan menggunakan data latih sebanyak 5038 data dan data uji sebanyak 1260 data, algoritma SVM mencapai tingkat akurasi sebesar 76%, dengan presisi 70%, recall 69%, dan F-measure 69%. Algoritma NBC menunjukkan peningkatan kinerja dengan tingkat akurasi sebesar 78%, dengan presisi 72%, recall 72%, dan F-measure 72%. Hasil penelitian ini menunjukkan perbedaan dalam kinerja algoritma ketika dihadapkan pada data yang seimbang dan tidak seimbang, dengan peningkatan yang signifikan pada akurasi dan metrik sentimen lainnya ketika menggunakan data yang tidak seimbang.

Kata Kunci: Algoritma Klasifikasi; Analisis Sentimen; Naive Bayes Classifier; Preprocessing; dan Support Vector Machine.