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

Authors

  • Rasiban Rasiban SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia
  • Sugeng Riyadi SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i3.2790

Keywords:

Sentimen, Twitter, JIS, NB, SVM, Rapidminer

Abstract

Berdasarkan pencarian di media sosial Twitter, Peneliti mengidentifikasi beberapa masalah yang sering disorot oleh masyarakat terkait Isu Stadion Jakarta Internasional Stadium (JIS) Belum berstandar FIFA. Isu ini dilontarkan pertama kali oleh Hunter Jagal, Postingan akun media sosial twitter @hunterjagar3 dengan Konten Tweet “Kaesang pengarep berkomentar terkait pssi yang menyebut Jakarta Internasional Stadium belum berstandar FIFA. Maka Peneliti melakukan Analisis Sentimen Opini Masyarakat Terhadap Stadion Jakarta Internasional Stadium (Jis) Pada Twitter Dengan Perbandingan Metode Naive Bayes Dan Support Vector Machine.Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Stadion Jakarta Internasional stadium belum berstandar FIFA berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode Naive Bayes menunjukkan nilai akurasi sebesari 99.57%. Dari 940 data uji, terprediksi sebesar 892 data sebagai Prediksi Sentimen Negatif dan 48 data sebagai Sentimen Positif dan Metode Support Vector Machine menunjukkan nilai akurasi sebesari 99.68%. Dari 940 data uji, terprediksi sebesar 894 data sebagai Sentimen Negatif dan 46 data sebagai Sentimen 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

Rasiban, R., & Riyadi, S. . (2024). Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine. Jurnal Sains Dan Teknologi, 5(3), 801-809. https://doi.org/10.55338/saintek.v5i3.2790