Multinomial Naïve Bayes Untuk Menganalisis Sentimen Layanan Jasa Ekspedisi Sicepat Ekspres

Penulis

  • Selvia Indriani Universitas Budi Luhur
  • Mohammad Syafrullah Universitas Budi Luhur

Kata Kunci:

multinominal naive bayes, sentimen, sicepat

Abstrak

Saat ini transaksi jual beli online menjadi hal yang lumrah dilakukan karena mampu menjangkau pasar yang lebih luas. Layanan jasa ekspedisi menjadi salah satu kunci keberhasilan proses jual beli online, apabila jasa ekspedisi yang digunakan tidak professional, akan berdampak pada pelaku usaha yang menggunakan jasa ekspedisi tersebut. Ekspedisi SiCepat Ekspres merupakan salah satu ekspedisi yang populer digunakan di Indonesia. Terdapat masalah mengenai ekspedisi sicepat ekspres meliputi kurir SiCepat dan layanan pelanggan yang tidak profesional dalam bekerja, sehingga banyak pelanggan yang tidak puas menyuarakan pendapat maupun keluhan mengenai kinerja layanan SiCepat ekspres di media sosial Twitter. Tujuan dari penelitian ini adalah untuk melakukan analisis sentimen pengguna Twitter terhadap kinerja layanan ekspedisi SiCepat Ekspres di media sosial Twitter dengan mengimplementasikan metode Multinomial Naïve Bayes. Dataset yang digunakan dalam penelitian ini bersumber dari media sosial Twitter diperoleh menggunakan kata kunci pencarian yaitu “pake sicepat” dan “paket sicepat” serta melakukan pengecekan bot yang berguna untuk memfilter data tweet yang sehingga data yang didapat berasal dari akun manusia bukan akun bot Twitter. Dari total data berlabel sebanyak 300 data terdiri dari 47% sentimen positif dan 53% sentimen negatif memperoleh hasil pengujian menggunakan confusion matrix dengan nilai akurasi sebesar 93%, presisi 93% dan recall 93%. Kontribusi Penelitian ini diharapkan dapat menjadi masukan dan informasi untuk ekspedisi SiCepat Ekspres dalam melakukan evaluasi kinerja perusahaan dan dapat meningkatkan kualitas pelayanan berdasarkan pendapat atau sentimen yang didapat dari akun pelanggan yang lulus pengujian bot sehingga data yang didapat dari media sosial Twitter merupakan data asli buatan manusia bukan buatan bot Twitter.

Referensi

Aldwin Nayoan, “Apa itu E Commerce? Berikut Pengertian, Jenis, serta Manfaatnya!,” www.niagahoster.co.id, 2021. https://www.niagahoster.co.id/blog/apa-itu-ecommerce/ (accessed Apr. 25, 2022).

DataReportal, “Digital 2022 Indonesia (February 2022) v01,” www.slideshare.net, 2022. https://www.slideshare.net/DataReportal/digital-2022-indonesia-february-2022-v01 (accessed Apr. 24, 2022).

A. Sabrani, I. G. W. Wedashwara W., dan 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, doi: 10.29303/jtika.v2i1.87.

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

F. K. S. Dewi, “Klasifikasi Berita Menggunakan Metode Multinomial Naïve Bayes,” SCAN - J. Teknol. Inf. dan Komun., vol. 16, no. 3, pp. 1–8, 2021, doi: 10.33005/scan.v16i3.2870.

A. Yulianto, A. Herdiani, dan I. L. Sardi, “Klasifikasi Keberpihakan tweet menggunakan Multinomial Naïve Bayes ( Studi Kasus : Pemilihan Presiden 2019 ),” e-Proceeding Eng., vol. 6, no. 2, pp. 9078–9085, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/9922/9779

M. Priandi dan Painem, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,” Semin. Nas. Mhs. Ilmu Komputer. dan Apl. Jakarta-Indonesia, no. September, pp. 311–319, 2021.

F. Rahutomo, A. Retno, dan T. Hayati, “Evaluasi daftar stopword bahasa indonesia,” vol. 6, no. 1, 2019, doi: 10.25126/jtiik.201861226.

D. I. Sari, Y. F. Wati, dan Widiastuti, “Analisis Sentimen Dan Klasifikasi Tweets Berbahasa Indonesia Terhadap Transportasi Umum Mrt Jakarta Menggunakan Naïve Bayes Classifier,” J. Ilm. Inform. Komput., vol. 25, no. 1, pp. 64–75, Apr. 2020, doi: 10.35760/ik.2020.v25i1.2427.

A. Z. Rasyida, I. D. Wijaya, dan Y. Yunhasnawa, “Analisis Sentimen Kualitas Layanan Online Marketplace Di Indonesia Menggunakan Metode Support Vector Machine,” Semin. Inform. Apl. Polinema 2020, pp. 70–75, 2020.

L. M. Siniwi, A. Prahutama, dan A. R. Hakim, “Query Expansion Ranking Pada Analisis Sentimen Menggunakan Klasifikasi Multinomial Naïve Bayes (Studi Kasus : Ulasan Aplikasi Shopee pada Hari Belanja Online Nasional 2020),” J. Gaussian, vol. 10, no. 3, pp. 377–387, 2021, doi: 10.14710/j.gauss.v10i3.32795.

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Indriani, S., & Syafrullah, M. (2022). Multinomial Naïve Bayes Untuk Menganalisis Sentimen Layanan Jasa Ekspedisi Sicepat Ekspres. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 445–454. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/78

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>