Analisis Sentimen Aplikasi Deepseek Menggunakan Metode Naive Bayes dan Support Vector Machine

Muhammad Faqih Baihaqi; Lena Magdalena; Rifki Fahrudin

doi:10.31004/riggs.v4i3.2511

Authors

Muhammad Faqih Baihaqi Universitas Catur Insan Cendikia
Lena Magdalena Universitas Catur Insan Cendikia
Rifki Fahrudin Universitas Catur Insan Cendikia

DOI:

https://doi.org/10.31004/riggs.v4i3.2511

Keywords:

Analisis Sentimen, Aplikasi, Deepseek, Naive Bayes, Support Vector Machine

Abstract

Penelitian ini membandingkan metode Naive Bayes dan Support Vector Machine (SVM) dalam klasifikasi sentimen ulasan aplikasi DeepSeek Assistant AI, yang berhasil menembus 10 besar aplikasi gratis di Google Play Store di 18 negara dalam 16 hari. Analisis dilakukan pada 2400 ulasan dari Januari hingga Juli 2025 dengan proporsi 68% ulasan positif dan 32% negatif. Evaluasi model menggunakan confusion matrix menunjukkan bahwa SVM unggul dalam akurasi (90,1% vs 75,7%), F1-Score (92,7% vs 84,6%), dan presisi (93% vs 74%), sementara Naive Bayes unggul pada recall (99% vs 93%). Perbandingan juga mencakup kinerja model, Area Under Curve, rasio dataset, dan kecepatan klasifikasi. Hasil penelitian menunjukkan bahwa SVM lebih unggul dalam tiga dari empat aspek yang dianalisis, sementara Naive Bayes hanya unggul pada kecepatan klasifikasi. Penelitian ini juga menyediakan visualisasi data dalam sebuah website yang menampilkan hasil analisis sentimen dan perbandingan performa kedua metode. Temuan ini memberikan wawasan penting dalam pemilihan metode yang paling efektif untuk analisis sentimen aplikasi berbasis AI, serta dapat digunakan sebagai referensi bagi pengembang aplikasi yang ingin mengoptimalkan pemahaman terhadap ulasan pengguna.

Downloads

Download data is not yet available.

References

Zuzanna Bocian, “Key Chatbot Statistics You Should Follow in 2024.” Diakses: 3 Agustus 2025. [Daring]. Tersedia pada: https://www.chatbot.com/blog/chatbot-statistics/

Anthony Cardillo, “40+ Chatbot Statistics (2025).” Diakses: 3 Agustus 2025. [Daring]. Tersedia pada: https://explodingtopics.com/blog/chatbot-statistics

Prasatya, “DeepSeek AI Buatan China.” Diakses: 3 Agustus 2025. [Daring]. Tersedia pada: https://www.codepolitan.com/blog/apa-itu-deepseek-ai-buatan-china-yang-siap-gantiin-chatgpt/

CNN Indonesia, “7 Fakta DeepSeek yang Guncang AS dan Bikin Rugi Ribuan Triliun Nvidia.”

Anggie Irfansyah, “Efisiensi Biaya Pelatihan Deepseek AI.” Diakses: 3 Agustus 2025. [Daring]. Tersedia pada: https://eduparx.id/blog/insight/munculnya-deepseek-inovasi-ai-tiongkok-yang- mengguncang-dunia-teknologi/

Triya andriyani, “DeepSeek Ramai Diblokir Banyak Negara, Pakar UGM Nilai Setiap Negara Punya Kedaulatan Digital.” Diakses: 3 Agustus 2025. [Daring]. Tersedia pada: https://ugm.ac.id/id/berita/deepseek-ramai-diblokir-banyak-negara-pakar-ugm-nilai-setiap-negara- punya-kedaulatan-digital/

R. Noviana dan I. Rasal B A Jurusan, “PENERAPAN ALGORITMA NAIVE BAYES DAN SVM UNTUK ANALISIS SENTIMEN BOY BAND BTS PADA MEDIA SOSIAL TWITTER,” JTS, vol. 2, no. 2, hlm. 59, Jun 2023.

A. Safira, A. S. Masyarakat…, dan F. N. Hasan, “ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER,” Jurnal Sistem Informasi, vol. 5, no. 1, Jan 2023.

I. S. Aisah, B. Irawan, dan T. Suprapti, “ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISIS SENTIMEN ULASAN APLIKASI AL QUR’AN DIGITAL,” Cirebon, Des 2023.

M. G. Undap, V. P. Rantung, dan P. T. D. Rompas, “Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based,” Des 2021.

B. Ramadhani dan R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 8, no. 2, hlm. 10, Apr 2024, doi: 10.30865/mib.v8i2.7458.

A. Pebdika, R. Herdiana, dan D. Solihudin, “KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES UNTUK MENENTUKAN CALON PENERIMA PIP,” Cirebon, Feb 2023.

Tinaliah dan Triana Elizabeth, “Analisis Sentimen Ulasan Aplikasi PrimaKu Menggunakan Metode Support Vector Machine,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 9, no. 4, hlm. 6, Des 2022, [Daring]. Tersedia pada: http://jurnal.mdp.ac.id

Rifina Dwi Pebriant, “ANALISIS SENTIMEN MASYARAKAT PLATFORM X TERHADAP KORUPSI PT. PERTAMINA (PERSERO) MENGGUNAKAN METODE SVM,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, Apr 2025, doi: 10.23960/jitet.v13i2.6399.

N. A. Fadhlurrohman, A. Primajaya, dan A. Nugraha, “ANALISIS SENTIMEN TERHADAP SKEMA STUDENT LOAN UNTUK BIAYA PERGURUAN TINGGI PADA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES,” Karawang, Apr 2025.

Irma Surya Kumala Idris, Yasin Aril Mustofa, dan Irvan Abraham Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” J Inf Sci, vol. 36, no. 6, hlm. 4–848, Jan 2023, doi: 10.1177/0165551510388123.

T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 5, hlm. 2, Apr 2022, [Daring]. Tersedia pada: https://djournals.com/klik

Kardandi Alfarizi Siregar, Salsabila Nasution, dan Putri Nabawy, “Analisis Sentimen Netizen Indonesia Terhadap Kampanye Penggunaan Kecerdasan Buatan Oleh Pemerintah Menggunakan Algoritma Naive Bayes,” Jurnal Ilmu Komputer Dan Informatika, hlm. 9, Apr 2025.

Brilian Prilindaputra, Dinda Rima Rachcita Putri, dan Nurissaidah Ulinnuha, “Implementasi Support Vector Machine untuk Analisis Sentimen Aplikasi Deepseek,” Surabaya, 2025.

D. Normawati dan S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Yogyakarta, Sep 2021.