Analisis Sentimen Terhadap Kualitas Pelayanan Aplikasi Gojek Menggunakan Metode Naive Bayes Classifier
Abstract
Analisis sentimen dan text mining adalah dua hal yang tidak dapat dipisahkan terutama ketika melakukan analisis sentimen pada media online. Pada saat ini semakin meningkat kesadaran pelanggan aplikasi gojek dengan nilai kualitas pelayanan yang diberikan oleh pengemudi. Dalam kepuasan pengguna aplikasi gojek dapat dipengaruhi oleh kinerja atau peforma dari pelayanan yang diberikan kepada pengguna. Sehingga peneliti melakukan text mining untuk mengatasi masalah tersebut yaitu berupa analisis sentimen opini masyarakat terhadap layanan untuk dapat membantu perusahaan dalam menganalisa tinjauan kepuasaan pelanggan. Pengukuran analisis sentimen ini menggunakan pembobotan terhadap suatu kalimat, kata, bahkan pasangan kata yang ada untuk menentukan kelas sentimen kata (positif dan negatif). Hasil akurasi yang diperoleh terhadap 800 data ulasan aplikasi gojek yang dibagi menjadi 640 data latih dan 160 data uji menggunakan algoritma naive bayes tergolong cukup tinggi dengan nilai akurasi 68%, sehingga membuktikan bahwa algoritma naive bayes dapat menjadi salah satu pilihan dalam pengklasifikasian data ulasan publik.
References
[2] S. Afrizal, H. N. Irmanda, N. Falih, dan I. N. Isnainiyah, “Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap,” Inform. J. Ilmu Komput., vol. 15, no. 3, hal. 157, 2020, doi: 10.52958/iftk.v15i3.1454.
[3] W. Y.-J. D. M. dan S. Informasi dan undefined 2021, “Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier,” Ejurnal.Teknokrat.Ac.Id, vol. 2, no. 2, hal. 1–9, 2021, [Daring]. Tersedia pada: https://ejurnal.teknokrat.ac.id/index.php/JDMSI/article/view/1344.
[4] M. Tri Anjasmoros dan dan Fitri Marisa, “Analisis Sentimen Aplikasi Go-Jek Menggunakan Metode Svm Dan Nbc (Studi Kasus: Komentar Pada Play Store),” Conf. Innov. Appl. Sci. Technol. (CIASTECH 2020), no. Ciastech, hal. 489–498, 2020.
[5] R. Y. Hayuningtyas dan R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,” J. Techno Nusa Mandiri, vol. 16, no. 1, hal. 37–42, 2019, doi: 10.33480/techno.v16i1.115.
[6] B. Gunawan, H. S. Pratiwi, dan E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, hal. 113, 2018, doi: 10.26418/jp.v4i2.27526.
[7] H. Tuhuteru dan A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, hal. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.
[8] F. S. Jumeilah, “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 1, hal. 19–25, 2017, doi: 10.29207/resti.v1i1.11.
[9] F. Afshoh, “Analisa Sentimen Menggunakan Naïve Bayes,” Inform. Progr. Stud. Komunikasi, Fak. Inform. D A N Surakarta, Univ. Muhammadiyah, vol. 12, hal. 17, 2017.
[10] Andreyestha, “Analisis Sentimen Masyarakat Terhadap Fenomena Teroris Melalui Twitter Di Indonesia,” J. Kaji. Ilm., vol. 19, no. 3, hal. 239–247, 2016.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
JATIS oleh http://jurnal.mdp.ac.id/index.php/jatisi disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.
