Analisis Sentimen Ulasan Aplikasi Samsat Digital Nasional Menggunakan Algoritma Naive Bayes Classifier
Kata Kunci:
analisis sentimen, confusion matrix, naïve bayes, samsat digital nasionalAbstrak
Samsat Digital Nasional (SIGNAL) merupakan aplikasi layanan pengesahan Surat Tanda Nomor Kendaraan berbasis mobile. Aplikasi ini membuat perubahan dimana masyarakat yang biasanya harus mendatangi kantor Samsat untuk mengurus pajak kendaraan motornya, sekarang dapat dilakukan dimana saja. Semenjak diluncurkannya aplikasi ini, mucul berbagai tanggapan berupa ulasan dari para pengguna SIGNAL. Ulasan-ulasan ini memiliki informasi yang sangat berguna bagi pihak pemilik aplikasi untuk mengetahui kekurangan dan kelebihan dari aplikasinya. Proses perolehan informasi untuk mengetahui kekurangan dan kelebihan secara manual tentunya memakan waktu lama jika ada puluhan ribu ulasan yang harus dibaca satu persatu. Dengan analisis sentimen, proses tersebut dapat dipersingkat dimana sistem dapat secara otomatis memisahkan ulasan berdasarkan informasi yang terkandung didalamnya dengan cepat dan tepat. Penelitian ini menggunakan algoritma Naïve Bayes Classifier untuk melakukan klasifikasi terhadap ulasan menjadi 3 kelas yaitu sentimen positif, negatif, dan netral. Penelitian dilakukan dengan menggunakan 1792 data ulasan yang diambil dari kolom ulasan aplikasi SIGNAL di Google Play Store, dimana 1433 data dialokasikan sebagai data latih dan 359 data dialokasikan sebagai data uji. Data teks selanjutnya terbentuk numerik dengan menggunakan pembobotan TF-IDF. Pengujian dilakukan dengan menggunakan confusion matrix untuk mengetahui accuracy, precision, dan recall sistem. Berdasarkan hasil pengujian dengan 359 data uji menggunakan confusion matrix didapatkan nilai accuracy dari sistem adalah 91.643% dengan nilai rata-rata precision sebesar 90.41%, dan nilai rata-rata recall sebesar 74.973%.Referensi
GooglePlayStore, “SIGNAL – SAMSAT DIGITAL NASIONAL,†2021. https://play.google.com/store/apps/details?id=app.signal.id&hl=en&gl=US (accessed Mar. 20, 2022).
E. P. Nirwandani, Indriati, and R. C. Wihandika, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Mandiri Online Menggunakan Metode Modified Term Frequency Scheme Dan Naïve Bayes,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 3. pp. 1039–1047, 2021.
A. Z. A. M. Bajabir, “Penerapan metode naive bayes untuk prediksi menentukan karyawan tetap pada pt. ysp industries indonesia,†SEKOLAH TINGGI TEKNOLOGI PELITA BANGSA, 2018.
M. Irfan, W. Uriawan, O. T. Kurahman, M. A. Ramdhani, and I. A. Dahlia, “Comparison of Naive Bayes and K-Nearest Neighbor methods to predict divorce issues,†IOP Conf. Ser. Mater. Sci. Eng., vol. 434, no. 1, 2018, doi: 10.1088/1757-899X/434/1/012047.
I. A. Mastan and Y. Toni, “Menggunakan Metode Naive Bayes Classifier Sentiment Analysis Of Chicken Culinary Place From Visitor Comments Uing Naive Bayes Classifier Method,†vol. 3, no. 1, pp. 42–50, 2020.
Y. Rachmanto, “Uji Akurasi Pengkategorian Otomatis Berita Berbahasa Indonesia Dengan Algoritma Multinomial Naive Bayes Classifier ( NBC ),†pp. 32–38, 2018.
A. Rahman and A. Doewes, “Online News Classification Using Multinomial Naive Bayes,†ITSMART J. Ilm. Teknol. dan Inf., vol. 6, no. 1, pp. 32–38, 2017.
J. F. Andry, H. Hartono, and A. Chakir, “Data Set Analysis Using Rapid Miner to Predict Cost Insurance Forecast with Data Mining Methods,†2022.
L. Hermawan and M. Bellaniar Ismiati, “Pembelajaran Text Preprocessing berbasis Simulator Untuk Mata Kuliah Information Retrieval,†J. Transform., vol. 17, no. 2, p. 188, 2020, doi: 10.26623/transformatika.v17i2.1705.
A. P. Thenata, “Text Mining Literature Review on Indonesian Social Media,†J. Edukasi dan Penelit. Inform., vol. 7, no. 2, p. 226, 2021, doi: 10.26418/jp.v7i2.47975.
Nofenky and D. B. Rarasati, “Recommendation for Classification of News Categories Using Support Vector Machine Algorithm with SVD,†Ultim. J. Tek. Inform., vol. 13, no. 2, pp. 72–80, 2021, doi: 10.31937/ti.v13i2.1854.
Wiyanto, W. Priatna, and J. S. Hidayat, “Implementasi Term Frequency – Inverse Document Frequency (TF-IDF) Dan Vector Space Model (VSM) Untuk Pencarian Berita Bahasa Indonesia,†Pelita Teknol. J. Ilm. Inform. Arsit. dan Lingkung., vol. 14, pp. 119–133, 2019.
S. Qaiser and R. Ali, “Text Mining: Use of TF-IDF to Examine the Relevance of Words to Documents,†Int. J. Comput. Appl., vol. 181, no. 1, pp. 25–29, 2018, doi: 10.5120/ijca2018917395.
Z. Karimi, “Confusion Matrix,†Confusion Matrix, no. October, pp. 260–260, 2021, doi: 10.1007/978-1-4899-7687-1_50.
A. Ridwan, “Penerapan Teknik Bagging Pada Algoritma Naive Bayes Dan Algoritma C4.5 Untuk Mengatasi Ketidakseimbangan Kelas,†J. Bisnis Digit. dan Sist. Inf., vol. 1, pp. 63–70, 2020.
V. Armando, “Sistem Rekomendasi Pembelian Telepon Genggam dengan Metode Conntent-Based Filtering,†UNIVERSITAS ATMA JAYA YOGYAKARTA, 2017.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 