ANALISIS SENTIMEN EFEKTIVITAS SISTEM PEMBAYARAN NON TUNAI (QRIS) MENGGUNAKAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE SKRIPSI

Mia kamayani; Nurul Aisyah Nabillah;

Analisis Sentimen Efektivitas Sistem Pembayaran Non Tunai (QRIS)
Menggunakan Metode Naïve Bayes dan Support Vector Machine

Nurul Aisyah Nabillah

Saat ini, TikTok secara luas dianggap sebagai salah satu platform media sosial paling menonjol
yang menghasilkan perhatian dan diskusi yang signifikan di kalangan masyarakat umum. Tiktok
memberikan kemudahan bagi masyarakat untuk mengutarakan pendapatnya tentang berbagai
topik, termasuk Quick Response Code Indonesia Standard (QRIS). QRIS secara luas diakui
sebagai metode umum untuk melakukan transaksi non-tunai. Berdasarkan hal tersebut
menggunakan dua algoritma yaitu Naïve Bayes dan Support Vector Machine untuk menganalisis
opini masyarakat terhadap QRIS di jejaring sosial Tiktok. Tujuan dari penelitian ini adalah untuk
mengetahui apakah opini masyarakat umum terhadap QRIS positif atau negatif serta mengetahui
keakuratan dari penerapan algoritma Naïve Bayes dan Support Vector Machine dengan
pembobottan TF-IDF terhadap fitur N-Gram menggunakan perangkat lunak RapidMiner untuk
menganalisis suatu sentiment. Sebanyak 2220 data yang diperoleh dari TikTok menunjukkan opini
masyarakat terhadap QRIS yaitu positif 65% dan negatif 35%. Setelah analisis temuan, diamati
bahwa metode Support Vector Machine menunjukan accuracy yang lebih tinggi dibandingkan
dengan pendekatan metode Naïve Bayes, bahwa pada metode Support Vector Machine nilai
accuracy 99,95%, precision 99.90%, dan recall 100.00%, sedangkan pada metode Naïve Bayes
nilai accuracy 99,91%, precision 99.90%, dan recall 100.00%..
Kata kunci: analisis sentimen, naïve bayes, QRIS, SVM, tiktok

Sentiment Analysis Effectiveness Of Non Cash Payment Systems (QRIS)
Using Method Naïve Bayes And Support Vector Machine

Nurul Aisyah Nabillah

At the moment, TikTok is widely regarded as one of the most prominent social media platforms
that generate significant attention and discussion among the general public. TikTok makes it easy
for people to express their opinions on various topics, including Quick Response Code Indonesia
Standard (QRIS). QRIS is widely recognized as a common method for conducting cashless
transactions. Based on this, two algorithms, namely Naïve Bayes and Support Vector Machine, are
used to analyze public opinion on QRIS on the Tiktok social network. The purpose of this study is
to determine whether the general public's opinion of QRIS is positive or negative and to determine
the accuracy of applying the Naïve Bayes and Support Vector Machine algorithms with TF-IDF
weighting to the N-Gram feature using RapidMiner software to analyze a sentiment. A total of
2200 data obtained from TikTok shows that the public opinion towards QRIS is 65% positive and
35% negative. After analyzing the findings, it is observed that the Support Vector Machine method
shows higher accuracy compared to the Naïve Bayes method approach, that in the Support Vector
Machine method the accuracy value is 99.95%, precision 99.90%, and recall 100.00%, while in
the Naïve Bayes method the accuracy value is 99.91%, precision 99.90%, and recall 100.00%.
Keywords: naïve bayes, QRIS, sentiment analysis, SVM, tiktok