Sentimen Analisis Pada Data Ulasan Aplikasi KAI Access Di Google PlayStore Menggunakan Metode Multinomial Naive Bayes

Machrus Izunnahdi, Ginanjar Aburrahman, Ari Eko Wardoyo

Abstract


KAI Access merupakan aplikasi yang dikeluarkan oleh PT KAI untuk mewadahi kebutuhan konsumen terhadap transportasi kereta api. Aplikasi KAI Access masih memiliki banyak kekurangan, oleh karena itu perbaikan terus dilakukan untuk meningkatkan kualitas aplikasi ini. Untuk mengetahui kualitas, kepuasan dan kekurangan aplikasi ini dapat diperoleh informasi dari ulasan yang ditulis konsumen pada Google Play Store. Penelitian ini berisi tentang analisis data ulasan konsumen terhadap aplikasi KAI Access. Pada penelitian ini digunakan data sebanyak 7500 ulasan yang terbagi menjadi sentimen positif dan sentimen negatif yang sebelumnya telah divalidasi oleh tenaga ahli pihak PT KAI daerah Banyuwangi. Penelitian ini akan mengukur performa metode Multinomial Naive Bayes dalam melakukan klasifikasi sentimen. Menggunakan skenario dan partisi data K fold Cross Validation pada pemodelan dengan nilai k fold 2, 3, 4, 5, 6, 8 dan 10. Hasil pengujian pada penelitian memperoleh tingkat akurasi sebesar 89%, tingkat presisi sebesar 92% dan tingkat recall sebesar 85%.

Keywoards : Sentimen, Analisis, Multinomial Naive Bayes

Full Text:

PDF

References


Wayahdi, M.R., Syahputra, D., & Ginting, S.H.N. (2020). Evaluation of k-Nearest Neighbor Model with k-Fold Cross Validation on Image Classification. Journal INFOKUM, Vol. 9, No. 1, ISSN: 2302-9706 : 1-6.

Wahid, D. H., & Azhari, S. N. (2016). Peringkasan sentimen esktraktif di twitter menggunakan hybrid TF-IDF dan cosine similarity. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 10(2), 207-218.

Rahutomo, F., Retno, A., Hayati, T., & Malang, P. N. (2019). Evaluasi Daftar Stopword Bahasa Indonesia. 6(1).

Hendy Evan, F., & Sigit Purnomo, Y. W. (2014). Pembangunan Perangkat Lunak Peringkas Dokumen Dari Banyak Sumber Menggunakan Sentence Scoring.

Turmudi zy, A. (2017). Comparison Algorithm Classification Naive Bayes, Decision Tree, And Neural Network For Analysis Sentiment. 12(April), 13–14.

Ratino, Hafidz, N., Anggraeni, S., & Gata, W. (2020). Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes. Jurnal JUPITER, 12(2), 1–11.

Aggarwal, C. C., & Zhai, C. (2012). A survey of text classification algorithms. In Mining text data (pp. 163-222). Springer, Boston, MA.

Korde, V., & Mahender, C. N. (2012). Text classification and classifiers: A survey. International Journal of Artificial Intelligence & Applications, 3(2), 85.

Hidayah, N., & Sahibu, S. (2021). Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 820-826.

Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to fine-tune bert for text classification?. In China National Conference on Chinese Computational Linguistics (pp. 194-206). Springer, Cham.

Setiawan, I., & Nursantika, D. (2017). Klasifikasi Artikel Berita Menggunakan Metode Text Mining Dan Naive Bayes Classifier. Prosiding SENIATI, 1–6.

Watratan, A. F. B., Puspita, A., & Moeis, D. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. Journal of Applied Computer Science and Technology ( Jacost ), 1(1), 7–14.

Wayahdi, M.R., Syahputra, D., & Ginting, S.H.N. (2020). Evaluation of k-Nearest Neighbor Model with k-Fold Cross Validation on Image Classification. Journal INFOKUM, Vol. 9, No. 1, ISSN: 2302-9706 : 1-6.

Lundborg, A. (2017). Text classification of short messages. LU-CS-EX 2017-14.

Setyorini, M. A. E. (2020). Analisis Perbandingan Metode Machine Learning: Random Forest dan Support Vector Machine Untuk Deteksi Kanker Paru-Paru. (Doctoral dissertation).

Mustaqbal, M. S., Firdaus, R. F., & Rahmadi, H. (2015). Pengujian Aplikasi Menggunakan Black Box Testing Boundary Value Analysis (Studi Kasus : Aplikasi Prediksi Kelulusan SNMPTN). I(3), 31–36.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.