PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES DAN K-NN DALAM ANALISIS SENTIMEN ULASAN APLIKASI SIP DISDUKCAPIL JEMBER

Sistem Informasi Pelayanan atau yang disingkat SIP Disdukcapil Kabupaten Jember merupakan sistem layanan pengurusan administrasi kependudukan secara daring. Pada aplikasi tersebut pengguna dapat memberikan ulasan atas layanan yang didapatkan berupa teks ulasan dan rating. Dalam mengkaji ulasan pengguna aplikasi SIP tersebut, teknik Analisis Sentimen dapat diterapkan untuk hasil yang efisien. Tujuan penelitian ini membandingkan dua algoritma klasifikasi, yaitu Naïve Bayes dan K-Nearest Neighbor (K-NN), dengan menitikberatkan pada performa klasifikasi kelas sentimen negatif. Dataset penelitian berupa ulasan pengguna periode Januari-Desember pada tahun 2024. Teknik evaluasi kinerja model dilakukan menggunakan Recall, Confusion Matrix, dan F2-Score. Hasil dari penelitian menunjukan model K-NN lebih baik dalam klasifikasi kelas sentimen negatif, dengan hasil Recall di 96% dan nilai True Positive 219 dan False Negative 9. Model Naïve Bayes memiliki nilai F2-Score lebih tinggi sebesar 88%, hal ini dipengaruhi oleh hasil True Negative yang lebih tinggi dan False Positive lebih rendah dibandingkan model K-NN. Model K-NN dapat lebih direkomendasikan dikarenakan model lebih sensitif pada kelas sentimen negatif, sehingga dapat meminimalisir proses kesalahan klasifikasi pada kelas sentimen negatif.