Preferensi Konsumen Terhadap Produk By.U Dan MPWR Dengan Analisis Sentimen Berbasis Multinomial Naïve Bayes Consumer Preferences On By.U And MPWR Products Using Sentimen Analysis Based On Multinomial Naïve Bayes
Abstract
Kebutuhan internet dibutuhkan untuk dapat mengakses informasi di era saat ini. Provider terus meningkatkan produk yang akan mereka jual, salah satunya yaitu membuat provider serba digital. by.U adalah salah satu layanan provider yang baru sebagai penyedia layanan serba digital pertama di Indonesia yang diluncurkan Telkomsel, dan juga terdapat MPWR yang diluncurkan oleh Indosat. Untuk mengetahui preferensi konsumen antara provider by.U dan MPWR dibutukan dari opini pelanggan. Opini pelanggan bisa didapatkan dari sumber twitter. Selanjutnya tweet akan digolongkan ke dalam 4 aspek fitur harga, jaringan, produk dan layanan menggunakan algoritma Cosine Similarity. Dan selanjutnya data akan di analisis sentimen menggunakan metode Multinomial Naïve Bayes. Hasil akurasi terbaik pada dataset by.U 82 %, 80 % untuk presisi dan recall sebesar 75%. Sedangkan untuk dataset MPWR memiliki nilai akurasi terbaik sebesar 87.50 %, presisi 90.91 % dan untuk recall sebesar 90.91 %.
Keywords: Twitter, Analisis Sentimen, Cosine Similarity, Multinomial Bayes.
Full Text:
PDFReferences
Cahyono, Y. (2017). Analisis Sentiment pada Sosial Media Twitter Menggunakan Naїve Bayes Classifier dengan Feature Selection Particle Swarm Optimization dan Term Frequency. Jurnal Informatika UniversitasPamulang,2(1),14.https://doi.org/10.32493/informatika.v2i1.1500
Haqqizar, N., & Larasyanti, T. N. (2019). Analisis Sentimen Terhadap Layanan Provider Telekomunikasi Telkomsel Di Twitter Dengan Metode Naïve Bayes. Prosiding TAU SNAR-TEK 2019 Seminar Nasional Rekayasa Dan Teknologi, 10(2), 1–15.
Wibisono, L. E. (2011). Pengaruh Kualitas Produk, Kualitas Layanan dan Persepsi Harga Terhadap Kepusan Pelanggan 4G XL Di Yogyakarta. Journal of Physics A: Mathematical and Theoretical, 44(8), 51.
Gumelar, T., (2016). “Implementasi Metode Naive Bayes Classifier Untuk Klasifikasi dan Analisis Sentimen pada Sistem Pengaduan RSUD Majalengka”. Perpustakaan UNIKOM
Syaifudin, Y. W., & Irawan, R. A. (2018). Implementasi Analisis Clustering Dan Sentimen Data Twitter Pada Opini Wisata Pantai Menggunakan Metode K-Means. Jurnal Informatika Polinema, 4(3), 189. https://doi.org/10.33795/jip.v4i3.205
Luqyana, W. A., Cholissodin, I., & Perdana, R. S. (2018). Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4704–4713.
Fransiska, S., & Gufroni, A. I. (2020). Sentiment Analysis Provider by . U on Google Play Store Reviews with TF-IDF and Support Vector Machine ( SVM ) Method. 7(2), 203–212.
Telkomsel, 2020. “Telkomsel luncurkan by.U, layanan selular prabayar digital end-to-end pertama di Indonesia” . https://www.telkomsel.com/about-us/news/telkomsel-luncurkan-byu-layanan-selular-prabayar-digital-end-end-pertama-di-indonesia. Diakses pada 26 February 2021.
Kevin Rizky Pratama, 2020. “MPWR, Operator Seluler Digital dari Indosat Resmi Meluncur” . https://tekno.kompas.com/read/2020/12/01/16010067/mpwr-operator-seluler-digital-dari-indosat-resmi-meluncur?page=all. Diakses pada
Habibi, R., Setyohadi, D. B., & Wati, E. (2016). Analisis Sentimen Pada Twitter Mahasiswa Menggunakan Metode Backpropagation. Jurnal Informatika, 12(1). https://doi.org/10.21460/inf.2016.121.462
Bania Amburika, Chrisnanto, Y. H., & Uriawan, W. (2016). Teknik Vector Space Model (VSM) dalam Penentuan Penanganan Dampak Game Online Pada Anak. Prosiding SNST Ke-7 Tahun 2016, 1(1), 10–27. http://cogsys.imm.dtu.dk/thor/projects/multimedia/textmining/node5.html
Putra Nuansa, E. (2017). Analisis Sentimen Pengguna Twitter Terhadap Pemilihan Gubernur Dki Jakarta Dengan Metode Naïve Bayesian Classification Dan Support Vector Machine. Institut Teknologi Sepuluh Nopember Surabaya, 1–101.
Sya’bani, M. M., & Umilasari, R. (2018). Penerapan Metode Cosine Similarity dan Pembobotan TF / IDF pada Sistem Klasifikasi Sinopsis Buku di Perpustakaan Kejaksaan Negeri Jember. Justindo( Jurnal Sistem & Teknologi Indonesia), 3(1), 31–42
Shofiya,Feni (2020) Perbandingan Algoritma Support Vector Machine (Svm) Dan Multinomial Naive Bayes (Mnb) Dalam Klasifikasi Abstrak Tugas Akhir (Studi Kasus: Fakultas Teknik Universitas Muhammadiyah Jember).Undergraduate thesis, Universitas Muhammadiyah Jember.
Makhmudah, Umroh. 2019. Analisis Sentimen Terhadap Tweet Kaum Homoseksual Indonesia Menggunakan Metode Support Vector Machine. Fakultas Ilmu Komputer. Jember: Universitas Jember.
Prasetyo, Bagus. (2020). Citra Merek Adidas Pada Suporter dengan Branded Fashion. Fakultas Ilmu Sosial dan Politik. Malang: Universitas Muhammadiyah.
Suhesti, Tyan. 2014. Bahasa Pemrograman Python. Ilmuti, 2013.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.