Perbandingan Keakuratan Metode Naive Bayes Dan K-Nearest Neighrors Dalam Analisis Sentimen Aplikasi Halodoc Di Google Play Store

Latar Belakang: Pada era industri 4.0, teknologi informasi, termasuk dalam bidang Kesehatan, memegang peran penting dalam globalisasi. Halodoc aplikasi Kesehatan popular di Indonesia, memiliki 20 juta pengguna pada tahun 2024. Namun metode Naïve Bayes yang digunakan untuk analisis sentiment ulasan Halodoc menunjukkan akurasi kurang memuaskan. Oleh karena itu, penelitian ini membandingkan akurasi efektivitas algoritma Naïve Bayes dan K-Nearest Neighbors dalam analisis sentiment Halodoc untuk menentukan metode yang lebih unggun dan memberikan wawasan berharga bagi pengembang apliksi tersebut.
Tujuan: Penelitian ini bertujuan untuk membandingkan akurasi dari metode Naïve Bayes dan K-Nearest Neighbors untuk menganalisis sentiment dari ulasan pengguna pada aplikasi Halodoc di Google Play Store.
Metode Penelitian: Naïve Bayes dipilih karena handal, mudah, dan cepat dalam memprediksi kelas, umum digunakan dalam analisis sentimen. K-Nearest Neighbors dipilih karena adaptif, mampu menangani data kompleks, dan melakukan pencarian objek yang mirip dalam data pelatihan. Penelitian
membandingkan keduanya untuk mengevaluasi keunggulan dalam analisis sentimen aplikasi Halodoc.
Hasil: Berdasarkan hasil dari penelitian ini diperoleh perhitungan akurasi menggunakan metode Naïve Bayes sebesar 90% sedangkan menggunakan metode dan K-Nearest Neighbors menghasilkan nilai akurasi sebesar 88%.
Kesimpulan: Kesimpulan dari penelitian ini adalah menggunakan metode k-fold cross validation, membandingkan kedua metode klasifikasi antara Naïve Bayes dan K-Nearest Neighbors dalam analisis sentiment ulasan aplikasi Halodoc. Dari hasil terbukti bahwa Naïve Bayes lebih unggul dibandingkan dengan K-Nearest Neighbors.