A Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine

Analisis Sentimen

Authors

  • Frencis Matheos Sarimole Sekolah Tinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia
  • Kudrat Kudrat Sekolah Tinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i3.2702

Abstract

Perbandingan Klasifikasi dan Nilai Akurasi Sentimen Analisis yang dilakukan dengan Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negative Dapat mengetahui sentimen masyarakat mengenai Informasi dan edukasi Aplikasi SATUSEHAT dengan lebih efisien dari segi waktu dan tenaga.Mengetahui faktor-faktor yang mempengaruhi nilai Akurasi dari Algoritma Naive Bayes dan Support Vector Machine dalam menganalisa label sentimen positif dan negatif.Pengambilan data dilakukan lewat media sosial Twitter dengan menggunakan API Twitteruntuk pengambilan crawling data untuk pengambilan data Twitter dengan kata kunci yang digunakan yaitu " SatuSehat” Total jumlah sampel yang digunakan dalam penelitian ini minimal 1046 data komentar atau lebih. Sampel data yang akan diambil memiliki rentang waktu setahun yaitu pada tahun 2023.Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Aplikasi SatuSehat berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesar 87.95 %. Dari 1080 data uji, terprediksi 132 data sebagai Sentimen Positif dan 947 data sebagai Sentimen Negatif. Untuk hasil prediksi dari Sentimen Negatif, terdapat 1080 data terprediksi Negatif dan 1 data yang terprediksi Positif. dan Metode Naive bayes menunjukkan nilai akurasi sebesari 81.65%. Dari 1081 data uji, terprediksi sebesar 947 data sebagai Sentimen Negatif dan 132 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 947 data terprediksi Negatif dan 1 data yang terprediksi Positif.

Downloads

Download data is not yet available.

References

F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

Christian, H. Wijangga, and B. Christian, “Analisa Faktor Minat Penggunaan Aplikasi Pedulilindungi Anak Muda Surabaya Dengan Metode Tam,” ZONAsi: Jurnal Sistem Informasi, vol. 4, no. 2, pp. 1–10, 2022, doi: 10.31849/zn.v4i2.10078.

I. R. Putra, Y. Widiastiwi, and N. Chamidah, “Pengaruh Seleksi Fitur Particle Swarm Optimization terhadap Sentimen Analisis Aplikasi Pedulilindungi di Twitter dengan Algoritma Support Vector Machine,” Informatik : Jurnal Ilmu Komputer, vol. 18, no. 3, p. 208, 2022, doi: 10.52958/iftk.v18i3.4681.

A. Noviriandini, H. Hermanto, and Y. Yudhistira, “Klasifikasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Analisa Sentimen Pengguna Aplikasi Pedulilindungi,” JIKA (Jurnal Informatika), vol. 6, no. 1, p. 50, 2022, doi: 10.31000/jika.v6i1.5681.

C. Chairunnisa, I. Ernawati, and M. M. Santoni, “Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square,” Informatik : Jurnal Ilmu Komputer, vol. 18, no. 1, p. 69, 2022, doi: 10.52958/iftk.v17i4.4594.

G. A. Lustiansyah et al., “Analisis klasifikasi sentimen pengguna aplikasi pedulilindungi berdasarkan ulasan dengan menggunakan metode long short term memory,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), pp. 327–336, 2022.

H. P. Doloksaribu and Yusran Timur Samuel, “Komparasi Algoritma Data Mining Untuk Analisis Sentimen Aplikasi Pedulilindungi,” Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika, vol. 16, no. 1, pp. 1–11, 2022, doi: 10.47111/jti.v16i1.3747.

A. Habib Husaini, R. Mayasari, and U. Singaperbangsa Karawang, “Pengelompokan Ulasan Aplikasi Pedulilindungi Dengan Algoritma K-Medoids Pedulilindungi Application Review Grouping With the K-Medoids Algorithm,” Journal of Information Technology and Computer Science (INTECOMS), vol. 5, no. 2, 2022.

A. Salma and W. Silfianti, “Sentiment Analysis of User Review on COVID-19 Information Applications Using Naïve Bayes Classifier, Support Vector Machine, and K-Nearest Neighbors,” International Research Journal of Advanced Engineering and Science, vol. 6, no. 4, pp. 158–162, 2021.

A. P. Wibowo, W. Darmawan, and N. Amalia, “Komparasi Metode Naïve Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Pengguna Aplikasi Pedulilindungi,” IC-Tech, vol. 17, no. 1, pp. 18–23, 2022, doi: 10.47775/ictech.v17i1.234.

R. A. Rizka Akmalia, I. Slamet, and H. Pratiwi, “Analisis Sentimen Twitter Berbahasa Indonesia Terhadap Aplikasi PeduliLindungi dengan Algoritma SVM, KNN, dan Regresi Logistik,” Prosiding Seminar Nasional MIPA UNIPA, vol. 2022, pp. 150–156, 2022, doi: 10.30862/psnmu.v7i1.21.

N. Putriani, F. R. Umbara, and P. N. Sabrina, “Analisis Sentimen pada Aplikasi PeduliLindungi dengan Menggunakan Metode Improved K-Nearest Neighbor dan Lexicon Based,” vol. 8, no. 1, pp. 350–364, 2022.

G. K. Locarso, “Analisis Sentimen Review Aplikasi Pedulilindungi Pada Google Play Store Menggunakan NBC,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 6, no. 2, pp. 353–361, 2022.

P. Astuti and N. Nuris, “Penerapan Algoritma KNN Pada Analisis Sentimen Review Aplikasi Peduli Lindungi,” Computer Science (CO-SCIENCE), vol. 2, no. 2, pp. 137–142, 2022, doi: 10.31294/coscience.v2i2.1258.

L. Ellyanti, Y. Ruldeviyani, L. E. Pradana, and A. Harjanto, “JURNAL RESTI,” vol. 5, no. 158, pp. 414–421, 2023.

R. Syahputra, G. J. Yanris, and D. Irmayani, “SVM and Naïve Bayes Algorithm Comparison for User Sentiment Analysis on Twitter,” Sinkron, vol. 7, no. 2, pp. 671–678, 2022, doi: 10.33395/sinkron.v7i2.11430.

Downloads

Published

2024-02-12

How to Cite

Matheos Sarimole, F. ., & Kudrat, K. (2024). A Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine: Analisis Sentimen. Jurnal Sains Dan Teknologi, 5(3), 783-790. https://doi.org/10.55338/saintek.v5i3.2702