Komparasi Kinerja Algoritma Naive Bayes, SVM, dan Random Forest dalam Analisis Sentimen Aplikasi Crowdfunding
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.231-241Kata Kunci:
crowdfunding, CRISP-DM, Naïve Bayes, Support Vector Machine (SVM), Random ForestAbstrak
Ulasan pengguna pada platform crowdfunding merepresentasikan pengalaman, tingkat kepuasan, serta berbagai kendala yang dihadapi pengguna, sehingga memiliki nilai strategis sebagai bahan evaluasi dalam pengembangan kualitas layanan. Penelitian ini difokuskan pada analisis sentimen ulasan pengguna aplikasi Kitabisa sekaligus melakukan perbandingan kinerja algoritma Naive Bayes, Support Vector Machine (SVM), dan Random Forest dengan menerapkan framework CRISP-DM. Data penelitian berupa 1.624 ulasan pengguna yang dihimpun dari Google Play Store melalui metode web scraping. Pada tahap data preparation, data diolah melalui proses pembersihan, normalisasi teks, tokenisasi, penghapusan stopword, stemming, serta pembobotan fitur menggunakan TF-IDF. Selanjutnya, untuk mengatasi ketimpangan distribusi kelas sentimen, digunakan Synthetic Minority Over-sampling Technique (SMOTE) agar model mampu mempelajari pola data secara lebih seimbang. Proses pemodelan dilakukan dengan membagi dataset ke dalam data latih dan data uji dengan perbandingan 80:20, kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, serta k-Fold Cross Validation. Hasil pengujian mengindikasikan bahwa algoritma SVM menunjukkan performa paling unggul dengan tingkat akurasi pada data uji sebesar 94,51% serta rata-rata akurasi k-Fold sebesar 95,30%, disertai nilai standar deviasi terendah dibandingkan algoritma lainnya. Selain itu, analisis topik berbasis Latent Dirichlet Allocation (LDA) memperlihatkan bahwa sentimen positif didominasi oleh topik manfaat aplikasi dan kemudahan dalam berdonasi, sedangkan sentimen negatif umumnya berkaitan dengan kendala teknis, seperti proses verifikasi akun dan gangguan transaksi. Hasil Penelitian ini diharapkan dapat menjadi dasar pertimbangan bagi pengembang dalam meningkatkan kualitas layanan aplikasi Kitabisa.Referensi
R. A. D. Zaki, A., Rukmanti, A. A., Syah, D. K. A., Yuliana, E., & Putri, “Implementasi Relationship Marketing pada Digital Crowdfunding (Studi Kasus: Kitabisa.com),” ATRABIS J. Adm. Bisnis, vol. 10, no. 2, pp. 249–263, 2024, doi: 10.38204/atrabis.v10i2.2078.
N. F. Tsakila, M. A. Wirahadi, A. A. Fadilah, and H. Simanjuntak, “Analisis Dampak Fintech terhadap Kinerja dan Inovasi Perbankan di Era Ekonomi Digital,” Indones. J. Law Justice, vol. 1, no. 4, p. 11, 2024, doi: 10.47134/ijlj.v1i4.2787.
D. A. Aini, Q., & Fadilla, “Peran Financial Technology (FinTech) dalam Meningkatkan Inklusi Keuangan di Indonesia,” J. Kolaboratif Sains, vol. 8, no. 1, pp. 928–936, 2025, [Online]. Available: https://jurnal.unismuhpalu.ac.id/index.php/JKS
F. Shalihah, Equity crowdfunding di Indonesia. UAD PRESS, 2022.
R. Edward, M. Y., Ismanto, H., Fu’ad, E. N., Atahau, A. D. R., Crowdfunding di Indonesia, vol. 32, no. 3. UNISNU Press, 2021. [Online]. Available: https://unisnupress.unisnu.ac.id/assets/media/crowdfunding-di-indonesia.pdf
Y. Kitabisa, “Tentang Kita bisa.” Accessed: Sep. 09, 2025. [Online]. Available: https://kitabisa.com/about-us
Y. A. Putrima and R. Sayekti, “Persepsi pengguna dalam menggunakan mesin drop box mandiri di Perpustakaan Digital Universitas Negeri Medan,” Pustaka Karya J. Ilm. Ilmu Perpust. dan Inf., vol. 13, no. 1, pp. 147–157, 2025, doi: 10.18592/pk.v13i1.14589.
D. A. Harjita, P. W., Putra, F. M., & Tyas, “Sentimen Analisis Pengguna Media Sosial Berdasarkan Metode Ekstraksi Fitur dan Klasifikasi,” J. Ilmu Komput., vol. 16, no. 2, pp. 88–96, 2023.
M. F. Baskara, A. A., Piranti, N. M., & Romdendine, “Framework Data Mining: Sebuah Survei,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 4886–4895, 2025, doi: 10.36040/jati.v9i3.13803.
F. F. Surohman, Aji, S., Rousyati, & Wati, “Analisa Sentimen Terhadap Review Fintech Dengan Metode Naive Bayes Classifier Dan K- Nearest Neighbor,” J. Teknol. Inf. dan Komput., vol. 8, no. 1, pp. 93–105, 2020, doi: 10.36002/jutik.v8i1.1582.
A. Switrayana, I. N., Ashadi, D., Hairani, & Aminuddin, “Sentiment Analysis and Topic Modeling of Kitabisa Applications using Support Vector Machine (SVM) and Smote-Tomek Links Methods,” Int. J. Eng. Comput. Sci. Appl., vol. 2, no. 2, pp. 81–91, 2023, doi: 10.30812/ijecsa.v2i2.3406.
Indriani and A. Davy Wiranata, “Perbandingan Tingkat Akurasi Algoritma Svm, Decision Tree,Dan Random Forest Dalam Analisis Sentimen Tanggapan Pengguna Aplikasi Gopay,” J. Tek. Inform., vol. 5, no. 3, pp. 777–787, 2024, [Online]. Available: https://doi.org/10.52436/1.jutif.2024.5.3.1885
M. R. Amalsyah, D. Kurniawan, A. Rifai, and P. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Fintech menggunakan Framework CRISP-DM dalam Penentuan Prioritas Pengembangan Produk,” Sist. J. Sist. Inf., vol. 14, no. 2, pp. 813–825, 2025, [Online]. Available: http://sistemasi.ftik.unisi.ac.id
P. R. Sari, D. R. Indah, E. Rasywir, M. A. Firdaus, and G. Athalina, “Comparison of Naive Bayes and SVM Algorithms for Sentiment Analysis of PUBG Mobile on Google Play Store,” Sistemasi, vol. 13, no. 6, p. 2767, 2024, doi: 10.32520/stmsi.v13i6.4814.
S. Izza, N. N., Sari, M., Kahila, M., & Al-Ayubi, “A Twitter Sentimen Analysis on Islamic Banking Using Drone Emprit Academic (DEA): Evidence from Indonesia,” J. Ekon. Syariah Teor. dan Terap., vol. 10, no. 5, pp. 496–510, 2023, doi: 10.20473/vol10iss20235pp496-510.
A. A. A. Fernandes, M. Koehler, N. Konstantinou, P. Pankin, N. W. Paton, and R. Sakellariou, “Data Preparation: A Technological Perspective and Review,” SN Comput. Sci., vol. 4, no. 4, pp. 1–20, 2023, doi: 10.1007/s42979-023-01828-8.
C. Suhaeni, L. Nissa, A. Mualifah, and H. Wijayanto, “LDA Topic Modeling Analysis of Public Discourse on Indonesia’s Free Nutritious Meals Program (MBG),” Int. J. Informatics Dev., vol. 14, no. 1, pp. 587–600, 2025, doi: 10.14421/ijid.2025.5211.
F. N. Budiman, W. Witanti, and P. N. Sabrina, “Analisis Sentimen Ulasan Aplikasi CapCut Menggunakan Model RoBERTa Dengan Fitur Ekstraksi Word2vec,” J. Algoritm., vol. 22, no. 2, pp. 358–369, 2025, doi: 10.33364/algoritma/v.22-2.2480.
S. Khariroh et al., “Implementation of LSA for Topic Modeling on Tweets with the Keyword ‘Kemenkeu,’” Sinkron, vol. 9, no. 1, pp. 129–148, 2025, doi: 10.33395/sinkron.v9i1.14309.
M. U. Albab, Y. K. P., and M. N. Fawaiq, “Optimization of the Stemming Technique on Text Preprocessing President 3 Periods Topic,” J. Transform., vol. 20, no. 2, pp. 1–12, 2023, doi: 10.26623/transformatika.v20i2.5374.
G. H. Setiawan and I. M. B. Adnyana, “Improving Helpdesk Chatbot Performance with Term Frequency-Inverse Document Frequency (TF-IDF) and Cosine Similarity Models,” J. Appl. Informatics Comput., vol. 7, no. 2, pp. 252–257, 2023, doi: 10.30871/jaic.v7i2.6527.
M. Sulistiyono, Y. Pristyanto, S. Adi, and G. Gumelar, “Implementasi Algoritma Synthetic Minority Over-Sampling Technique untuk Menangani Ketidakseimbangan Kelas pada Dataset Klasifikasi,” Sistemasi, vol. 10, no. 2, p. 445, 2021, doi: 10.32520/stmsi.v10i2.1303.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 