KLASIFIKASI SENTIMEN TERHADAP APLIKASI IDENTITAS KEPENDUDUKAN DIGITAL MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN SVM

1903015117 - Faisal Parsakh Nursyamsyi; Firman Noor Hasan, S.Kom, M.TI,;

Kementerian Dalam Negeri mengumumkan penerapan sebuah aplikasi untuk mengikuti
perkembangan teknologi dan informasi sekaligus memanfaatkan digitalisasi dalam upaya
meningkatkan efisiensi pelayanan publik kepada masyarakat dalam hal data kependudukan dengan
nama Identitas Kependudukan Digital (IKD). Aplikasi Identitas Kependudukan Digital akan
merepresentasikan informasi data identitas dalam bentuk digital. Sudah ada 5 juta pengguna yang
telah mengunduh aplikasi dan sekitar 33 ribu orang yang memberikan ulasan mereka terhadap
kepuasan setelah menggunakan aplikasi. Namun, penerapan aplikasi Identitas Kependudukan
Digital masih menjadi pro dan kontra. Beragam sekali sentimen pengguna yang diberikan
berdasarkan ulasan terhadap kepuasan mereka setelah menggunakan aplikasi tersebut. Dari
permasalahan tersebut. peneliti mencoba melakukan penelitian sentimen klasifikasi dengan
algoritma Naïve Bayes dan Support Vector Machine menggunakan RapidMiner Studio untuk
mengetahui respon masyarakat terhadap kepuasan mereka pada aplikasi Identitas Kependudukan
Digital dengan menarik data ulasan pada aplikasi Identitas Kependudukan Digital. Sentimen pada
data ulasan akan terbagi menjadi sentimen positif dan sentimen negatif. Tahapan yang dilakukan
pada proses penelitian yaitu pengumpulan data, pelabelan data, pembersihan data, pembobotan kata
dengan TF-IDF, SMOTE Upsampling, dan Cross Validation untuk menampung kedua algoritma
klasifikasi, apply model, dan performance. Hasil proses analisis yang telah dilakukan, algoritma
Support Vector Machine memiliki performa cukup baik dengan nilai akurasi 80,46%, presisi 0,73,
dan recall 0,96%. Sedangkan Naïve Bayes memiliki nilai akurasi 80,22%, presisi 0,73 dan recall
0.94. Kedua algoritma dapat melakukan proses pengklasifikasian dengan baik terhadap proses
analisis pada aplikasi Identitas Kependudukan Digital.