Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE

research
  • 14 Feb
  • 2022

Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE

Seiring perkembangan teknogi, media sosial kini sering dimanfaatkan untuk memberikan sebuah penilaian, salah satunya Twitter merupakan salah satu microblogging paling populer. Di Twitter pengguna tidak hanya mereview sebuah produk, tetapi tidak jarang mereka melakukan komplain atau berbagi pengalaman terhadap tingkat kepuasan selama menggunakan Tokopedia. Analisa sentimen terhapad tokopeida memberikan indikator yang berguna untuk berbagai tujuan yang dapat ditemukan dalam komentar,umpan balik ataupun kritik. Penelitian ini menggunakan algoritma Naïve Bayes dan Random Forest untuk memberikan hasil klasifikasi yang diharapkan, analisis akan dilakukan dengan membandingkan beberapa kombinasi algoritma yang akan diuji pada kicauan twitter mengenai tokopedia, diantaranya kombinasi dengan Synthetic Minority Oversampling Technique (SMOTE) untuk mengoptimalkan data yang tidak seimbang. Pada pengujian kicauan twiiter tokopedia, SMOTE dapat meningkatkan akurasi algoritma Naive Bayes menjadi 86,93% meningkat 3,4% dari sebelumnya 83,53%. Sedangkan Random Forest dengan SMOTE memiliki nilai akurasi sebesar 88,44% meningkat 1,55% dari pengujian Random Forest sebelumnya sebesar 86,89%.

Unduhan

 

REFERENSI

D. Suparto, “Efektivitas Penggunaan Sosial Media Twitter Dalam Penyebaran Informasi Dalam Pelayanan Publik (Studi Kasus Kabupaten Pemalang),” Indones. Gov. J. ( Kaji. Polit. – Pemerintah. ), vol. 04, no. 02, pp. 161–172, 2021.

T. Krisdiyanto, “Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 7, no. 1, pp. 32–37, 2021.

P. Arbaini, “Pengaruh Consumer Online Rating Dan Review Terhadap Keputusan Pembelian Pada Pengguna Marketplace Tokopedia,” J. Bisnis dan Manaj., vol. 7, no. 1, pp. 25–33, 2020, doi: 10.26905/jbm.v7i1.3897.

S. Pada, U. Produk, and T. Menggunakan, “Media Informatika Vol.20 No.2 (2021) 97,” vol. 20, no. 2, pp. 97–108, 2021.

K. Ramadhan and K. M. L, “Analisis Sentimen Terhadap Toko Online Menggunakan Naïve Bayes pada Media Sosial Twitter,” e-Proceeding Eng., vol. 5, no. 3, pp. 8141–8151, 2018.

D. P. Artanti, A. Syukur, A. Prihandono, and D. R. I. M. Setiadi, “Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes,” pp. 8–9, 2018.

I. Saputra, H. E. Darono, F. Amsury, M. R. Fahdia, and B. Ramadhan, “Analisis Sentimen Pengguna Marketplace Bukalapak dan Tokopedia di Twitter Menggunakan Machine Learning,” Fakt. Exacta, vol. 13, no. 4, pp. 200–207, 2020, doi: 10.30998/faktorexacta.v13i4.7074.

A. Sri Widagdo, B. S. W.A, and A. Nasiri, “Analisis Tingkat Kepopuleran E-Commerce Di Indonesia Berdasarkan Sentimen Sosial Media Menggunakan Metode Naïve Bayes,” J. Inf., vol. 6, pp. 1–5, 2020.

M. Wasil, A. Sudianto, and Fathurrahman, “Application of the Decision Tree Method to Predict Student Achievement Viewed from Final Semester Values,” J. Phys. Conf. Ser., vol. 1539, no. 1, 2020, doi: 10.1088/1742-6596/1539/1/012027.

A. Sudianto and M. Wasil, “Penerapan Sistem Informasi Geografis dalam Pemetaan Sebaran Kasus Gizi Buruk Lombok Timur merupakan salah satu Kabupaten yang berada di Provinsi Nusa Tenggara Barat yang terletak di sebelah Timur Pulau Lombok , Kabupaten Lombok Timur Gizi Buruk Malnutrisi,” vol. 4, no. 2, pp. 142–150, 2021.

A. F. Akbar, “User Perception Analysis of Online Learning Platform ‘ Zenius ’ During the Coronavirus Pandemic Using Text Mining Techniques,” vol. 17, no. 2, pp. 33–47, 2021.

Samsir, Ambiyar, U. Verawardina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 149, 2021, doi: 10.30865/mib.v5i1.2604.

M. H. N. Yahya, “Penggunaan Algoritma Support Vector Machine (SVM) Untuk Penentuan Kelayakan Pemberian Kredit Koperasi Serba Usaha ‘Daruzzakah Zakah’ Desa Rensing Kecamatan Sakra Lombok Timur Nusa Tenggara Barat,” Infotek J. Inform. dan Teknol., vol. 3, no. 1, pp. 32–41, 2020.

S. Chen, G. I. Webb, L. Liu, and X. Ma, “A novel selective naïve Bayes algorithm,” Knowledge-Based Syst., vol. 192, no. xxxx, p. 105361, 2020, doi: 10.1016/j.knosys.2019.105361.

M. S. Yupi Kuspandi Putra, “Perbandingan Algoritma Naive Bayes dan Naive Bayes Berbasis PSO untuk Analisis Kredit pada PT. BPR Syariah Paokmotong,” Infotek J. Inform. dan Teknol., vol. 2, no. 2, pp. 61–69, 2019.

N. D. Pratama, Y. A. Sari, and P. P. Adikara, “Analisis Sentimen Pada Review Konsumen Menggunakan Metode Naive Bayes Dengan Seleksi Fitur Chi Square Untuk Rekomendasi Lokasi Makanan Tradisional,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 2982–2988, 2018.

K. Shah, H. Patel, D. Sanghvi, and M. Shah, “A Comparative Analysis of Logistic Regression, Random Forest and KNN Models for the Text Classification,” Augment. Hum. Res., vol. 5, no. 1, 2020, doi: 10.1007/s41133-020-00032-0.

Hermanto, A. Y. Kuntoro, T. Asra, E. B. Pratama, L. Effendi, and R. Ocanitra, “Gojek and Grab User Sentiment Analysis on Google Play Using Naive Bayes Algorithm and Support Vector Machine Based Smote Technique,” J. Phys. Conf. Ser., vol. 1641, no. 1, 2020, doi: 10.1088/1742-6596/1641/1/012102.

M. P. R. Putra and K. R. N. Wardani, “Penerapan Text Mining Dalam Menganalisis Kepribadian Pengguna Media Sosial,” JUTIM (Jurnal Tek. Inform. Musirawas), vol. 5, no. 1, pp. 63–71, 2020, doi: 10.32767/jutim.v5i1.791.

 

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru