Aplikasi Analisis Sentimen Komparasi Metode Naive Bayes dan SVM merupakan aplikasi berbasis web yang dibangun menggunakan PHP Native dan MySQL untuk mengolah, mengklasifikasikan, serta membandingkan performa dua algoritma Machine Learning dalam analisis sentimen, yaitu Multinomial Naive Bayes dan Support Vector Machine (SVM).
Aplikasi ini dirancang untuk membantu mahasiswa Teknik Informatika, Sistem Informasi, peneliti, maupun developer dalam mempelajari dan mengimplementasikan penelitian komparasi algoritma klasifikasi teks. Proses analisis menggunakan pembobotan kata TF-IDF dan dapat diterapkan pada berbagai sumber data, seperti ulasan Google Play Store, review pelanggan e-commerce, komentar media sosial, maupun data kuesioner.
Mengapa Memilih Aplikasi Komparasi Naive Bayes dan SVM?
Beberapa keunggulan utama aplikasi ini antara lain:
- Komparasi Dua Algoritma: Melakukan pelatihan dan pengujian Multinomial Naive Bayes serta SVM dalam satu proses menggunakan dataset dan matriks TF-IDF yang sama.
- Evaluasi Berdampingan: Menampilkan perbandingan Accuracy, Precision, Recall, F1-Score, Confusion Matrix, dan waktu komputasi kedua algoritma.
- Kesimpulan Hasil Komparasi: Menyajikan metode dengan nilai evaluasi terbaik beserta selisih hasil perbandingannya.
- Multi-Kasus Dinamis: Mengganti topik penelitian, sumber data, dan skema kelas sentimen tanpa perlu mengubah kode program.
- Preprocessing Transparan: Menampilkan tahapan pengolahan teks Bahasa Indonesia secara bertahap.
- Perhitungan White-Box: Menyediakan rincian perhitungan TF-IDF, Naive Bayes, dan SVM untuk membantu memahami proses klasifikasi.
Fitur Utama Aplikasi
1. Dashboard Komparasi
Menampilkan informasi studi kasus aktif, ringkasan hasil evaluasi Naive Bayes dan SVM, grafik distribusi kelas sentimen, serta panduan alur penggunaan aplikasi.
2. Pengaturan Kasus Penelitian
Pengguna dapat mengatur:
-
- Judul dan deskripsi penelitian.
- Objek atau sumber data ulasan.
- Skema klasifikasi 2 kelas (Positif dan Negatif) atau 3 kelas (Positif, Netral, dan Negatif).
- Pengaturan kasus baru melalui fitur reset kasus.
3. Pengelolaan Dataset dan Text Preprocessing
Fitur pengolahan dataset meliputi:
-
- CRUD data komentar dan label sentimen.
- Import dataset CSV dengan deteksi kolom komentar dan label.
- Auto-Labeling menggunakan kamus Lexicon Bahasa Indonesia (InSet).
- Case Folding dan Text Cleaning.
- Normalisasi kata slang atau bahasa tidak baku.
- Stopword Removal dengan penanganan kata negasi.
- Stemming Bahasa Indonesia menggunakan algoritma Nazief-Adriani.
- Pengelolaan kamus slang, stopword, dan lexicon positif/negatif.
Hasil setiap tahapan preprocessing ditampilkan secara bertahap sehingga proses perubahan teks dapat dipelajari dan diperiksa.
4. Proses dan Evaluasi Komparasi Model
Aplikasi menyediakan pengaturan dan evaluasi kedua algoritma dalam satu rangkaian proses.
Multinomial Naive Bayes:
-
- Pengaturan rasio data latih dan data uji.
- Pengaturan parameter Laplace Smoothing (α).
- Perhitungan Prior Probability dan Conditional Probability.
- Evaluasi hasil klasifikasi menggunakan Confusion Matrix dan metrik evaluasi.
Support Vector Machine (SVM):
-
- Pilihan kernel Linear dan RBF.
- Pengaturan parameter Regularisasi (C).
- Proses klasifikasi menggunakan algoritma SVM.
- Penyajian rincian perhitungan model sesuai kernel yang digunakan.
Perbandingan Hasil Kedua Metode:
-
- Perbandingan Accuracy, Precision, Recall, dan F1-Score.
- Confusion Matrix Naive Bayes dan SVM.
- Perbandingan waktu komputasi pelatihan.
- Kesimpulan metode berdasarkan hasil evaluasi.
- Detail prediksi data testing: label aktual, prediksi Naive Bayes, dan prediksi SVM.
- Indikator data ketika kedua metode menghasilkan prediksi yang sama atau berbeda.
- Riwayat eksperimen komparasi model.
5. Transparansi Perhitungan (White-Box)
Aplikasi menyediakan rincian proses perhitungan agar pengguna dapat mempelajari cara kerja masing-masing algoritma, meliputi:
-
- Frekuensi kata (TF), Document Frequency (DF), Inverse Document Frequency (IDF), dan matriks TF-IDF.
- Prior Probability P(C) dan Conditional Probability P(w|C) pada Multinomial Naive Bayes dengan Laplace Smoothing.
- Parameter dan rincian perhitungan model SVM, termasuk kernel, regularisasi, serta fungsi keputusan sesuai implementasinya.
6. Pengujian Sentimen Baru
Pengguna dapat menguji data baru menggunakan kedua algoritma secara langsung.
-
- Uji Kalimat Tunggal: Memasukkan satu kalimat ulasan dan melihat hasil prediksi Naive Bayes serta SVM secara berdampingan, disertai rincian perhitungan.
- Uji Sentimen Massal CSV: Mengunggah kumpulan komentar untuk mendapatkan hasil prediksi kedua metode sekaligus.
- Riwayat Pengujian: Menyimpan arsip hasil pengujian sentimen yang telah dilakukan.
7. Manajemen Pengguna
Dilengkapi pengelolaan hak akses pengguna dengan level Administrator dan Operator serta fitur perubahan password.
Contoh Topik Skripsi yang Dapat Menggunakan Aplikasi Ini
Aplikasi ini dapat digunakan sebagai referensi implementasi untuk berbagai topik penelitian, antara lain:
- Analisis Perbandingan Metode Naive Bayes dan Support Vector Machine dengan Pembobotan TF-IDF pada Klasifikasi Sentimen Ulasan Aplikasi di Google Play Store.
- Komparasi Algoritma Multinomial Naive Bayes dan SVM untuk Analisis Sentimen Review Pelanggan E-Commerce.
- Perbandingan Kinerja Naive Bayes dan SVM pada Analisis Sentimen Opini Masyarakat di Media Sosial.
- Studi Komparasi Naive Bayes dan Support Vector Machine dalam Mengklasifikasikan Tingkat Kepuasan Layanan Akademik Mahasiswa.
- Analisis Sentimen Ulasan Pengunjung Destinasi Wisata Menggunakan Perbandingan Metode Naive Bayes dan SVM.
Spesifikasi Teknis
- Bahasa Pemrograman: PHP Native OOP.
- Versi PHP: Mendukung PHP 7.4 hingga 8.3.
- Database: MySQL / MariaDB.
- Framework Antarmuka: Bootstrap 5.
- Desain: Modern, responsif
- Kebutuhan Eksternal: Tidak memerlukan Python maupun library Machine Learning eksternal, sesuai implementasi aplikasi.
Isi Paket Pembelian
Setiap pembelian mendapatkan:
- Full Source Code Aplikasi — dapat dipelajari dan dimodifikasi.
- Database MySQL — File
.sqllengkap dengan data kamus Bahasa Indonesia dan dataset awal. - File Excel Perhitungan Manual Komparasi —
.xlsx - Dataset Sampel CSV — 4 file contoh berupa ulasan Play Store, review e-commerce, opini media sosial 3 kelas, dan komentar mentah tanpa label.
- Panduan Instalasi — Petunjuk pemasangan aplikasi