IMPLEMENTASI MULTINOMIAL NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MAXIM PADA PLAY STORE

Penulis

  • Insan Sabar Universitas Budi Luhur
  • Sri Mulyati Universitas Budi Luhur

Kata Kunci:

Google Play Store, Analisis sentimen, Aplikasi Maxim, Multinomial Naïve Bayes

Abstrak

Transportasi adalah suatu sarana yang sering digunakan untuk jasa mengangkut orang maupun barang dari satu lokasi ke lokasi lainnya. Di era digitalisasi ini, Transportasi umum telah berkembang pesat, termasuk munculnya Transportasi Online seperti Ojek Online. Banyak aplikasi Transportasi Online baru yang bermunculan, salah satu contohnya yaitu Maxim. Maxim adalah perusahaan asal Rusia yang terkenal dengan warna kuning pada aplikasinya. Aplikasi Maxim sudah diminati oleh banyak masyarakat di seluruh Indonesia. Maxim juga terkenal dengan tarifnya yang terjangkau dan relatif murah. Karena besarnya pengguna dari aplikasi Maxim ini membuat peneliti tertarik untuk menganalisa sentimen terhadap ulasan Maxim ini. Analisis Sentimen adalah suatu teknik mengekstraksi data teks yang digunakan untuk memperoleh informasi tentang sentimen bernilai positif maupun negatif.  Tujuan dari penelitian ini yaitu untuk menganalisis sentimen data ulasan pengguna aplikasi Maxim di Google Play Store dengan menggunakan metode klasifikasi Multinomial Naive Bayes. Multinomial Naive Bayes sendiri merupakan salah satu metode yang digunakan pada proses pengklasifikasian sentimen dengan menggunakan probabilitas kelas dalam suatu dokumen. Hasil penelitian dengan pengujian klasifikasi metode Multinomial Naive Bayes pada dataset tanggal 16 Januari 2024 hingga tanggal 07 Juli 2024 menghasilkan akurasi bernilai 88,76 %, presisi bernilai 93,62 %, dan Recall bernilai 86,27 % menggunakan 883 dataset yang telah dilabeli dengan positif dan negatif lalu dibagi menjadi 794 data latih dan 89 data uji dengan dukungan tahapan text preprocessing diantaranya casefolding, cleaning, tokenization, Mengganti slangwords, menghapus stopword dan stemming, serta tahapan pembobotan kata dengan TF-IDF.

Referensi

A. N. Hasanah and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Jasa Ojek Online Maxim Pada Google Play Dengan Metode Naïve Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 1, pp. 90–96, 2024.

S. Mandasari, B. H. Hayadi, and R. Gunawan, “Sentiment Analysis of Online Transportation Users Towards Grab Indonesia Services Using Multinomial Naive Bayes Classifier,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 5, no. 2, pp. 118-126, 2022.

C. S. Sriyano and E. B. Setiawan, “Pendeteksian Berita Hoax Menggunakan Naive Bayes Multinomial Pada Twitter dengan Fitur Pembobotan TF-IDF,” Repos. Telkom Univ., vol. 8, no. 2, pp. 3396-3465, 2021.

S. L. M. Sitio and R. Nadiyanti, “Analisis Sentimen Kenaikan Harga BBM Pertamax Pada Media Sosial Menggunakan Metode Naïve Bayes Classifier,” Build. Informatics, Technol. Sci., vol. 4, no. 3, pp. 1224–1231, 2022.

Yuyun, Nurul Hidayah, and Supriadi Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 820–826, 2021.

A. Sabrani, I. G. W. Wedashwara W., and F. Bimantoro, “Multinomial Naïve Bayes untuk Klasifikasi Artikel Online tentang Gempa di Indonesia,” J. Teknol. Informasi, Komputer, dan Apl. (JTIKA), vol. 2, no. 1, pp. 89–100, 2020.

U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 205–212, 2022.

P. Azora, “Analisis Quick Count Dengan Menggunakan Metode Stratified Random Sampling Studi Kasus Pemilu Gubernur Kalimantan Barat 2018,” Bul. Ilm. Mat. Stat. dan Ter., vol. 10, no. 1, pp. 43–50, 2021.

F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.

J. Amalia, “Membangun Slang Dictionary Untuk Normalisasi Teks Menggunakan Pre-Trained Fasttext Model,” JSR Jar. Sist. Inf. Robot., vol. 6, no. 2, pp. 250–256, 2022.

Raksaka Indra Alhaqq, I Made Kurniawan Putra, and Yova Ruldeviyani, “Analisis Sentimen terhadap Penggunaan Aplikasi MySAPK BKN di Google Play Store,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 11, no. 2, pp. 105–113, 2022.

M. Z. Anbari and B. Sugiantoro, “Studi Komparasi Metode Analisis Sentimen Naïve Bayes , SVM , dan Logistic Regression Pada Piala Dunia 2022,” Jurnal Media Informatika Budidarma, vol. 7, no. April, pp. 688–695, 2023.

B. P. Pratiwi, “Pengukuran Kinerja Sistem Kualitas Udara,” J. Inform. UPGRIS, vol. 6, no. 2, pp. 66–75, 2020.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Sabar, I., & Mulyati, S. (2024). IMPLEMENTASI MULTINOMIAL NAIVE BAYES UNTUK ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MAXIM PADA PLAY STORE. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 364–372. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1312

Terbitan

Vol 3 No 2 (2024): Prosiding SENAFTI Ke-5 September 2024 (In Progress)

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2024 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>