PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN APLIKASI ROSALIA INDAH TRANSPORT

PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNEAREST NEIGHBOR TERHADAP ANALISIS SENTIMEN APLIKASI ROSALIA INDAH TRANSPORT

• By Satrio Herbi;
• Skripsi
• 6
• 1-70

Aplikasi mobile saat ini telah menjadi bagian tak terpisahkan dari kehidupan seharihari masyarakat. Salah satu aplikasi yang populer di Indonesia adalah Rosalia Indah Transport, yang menyediakan layanan pemesanan tiket bus Rosalia Indah secara online. Ulasan pengguna di Google Play Store dapat memberikan informasi berharga mengenai kepuasan dan pengalaman pengguna terhadap aplikasi ini. Analisis sentimen terhadap ulasan-ulasan tersebut dapat membantu pengembang aplikasi untuk memahami kelebihan dan kekurangan dari aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan aplikasi Rosalia Indah Transport di
Google Play Store dengan menggunakan dua algoritma pembelajaran mesin, yaitu Naive Bayes dan K-Nearest Neighbor (KNN). Kemudian, kedua algoritma tersebut diterapkan untuk mengklasifikasikan sentimen ulasan menjadi positif atau negatif.
Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor memiliki akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes dalam mengklasifikasikan sentimen ulasan aplikasi Rosalia Indah Transport. K-Nearest Neighbor mampu mencapai akurasi sebesar 81,54%,dengan class recall sentiment positif sebesar 57,74% dan negatif sebesar 92,28%, dan class Precision positif sebesar 83,04%, dan negatif 77,16%, sementara Naive Bayes hanya mencapai akurasi sebesar 64,94% dengan class recall semtimen postif sebesar 66,51% dan negatif 64,23% dan class Precision positif sebesar 45,64%. Dan negatif sebesar 80,95%. Selain itu, nilai Area
Under the Curve (AUC) untuk Naive Bayes adalah 0,530, sedangkan untuk K-Nearest Neighbor adalah 0,802. Hasil ini menunjukkan bahwa K-Nearest Neighbor lebih efektif dalam menangani data teks ulasan pengguna dibandingkan dengan Naive Bayes. Penelitian ini diharapkan dapat memberikan kontribusi dalam bidang analisis
sentimen dan membantu pengembang aplikasi Rosalia Indah Transport untuk meningkatkan kualitas layanan mereka berdasarkan umpan balik dari pengguna.

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Aditama, M. I., Irfan Pratama, R., Hafizzana, K., Wiwaha, U., & Rakhmawati, N. A.
(2020). Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap
Pengadaan Vaksin COVID-19. https://t.co/hlfyHfiZQj
Afrizal, S., Nurramdhani Irmanda, H., Falih, N., & Isnainiyah, I. N. (2019).
Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta
Terhadap Kehadiran Mass Rapid Transit.
Derajad Wijaya, H., & Dwiasnati, S. (2020). Implementasi Data Mining dengan
Algoritma Naïve Bayes pada Penjualan Obat. JURNAL INFORMATIKA, 7(1).
http://ejournal.bsi.ac.id/ejurnal/index.php/ji
Donny Maulana, & Emi Lia Nurjanah. (2019). ANALISA TINGKAT KEPUASAN
PELANGGAN TERHADAP PENJUALAN BEAUTY PRODUK PADA ONLINE
SHOP DENGAN MENGGUNAKAN METODE NAIVE BAYES.
Faid, M., Jasri, M., & Rahmawati, T. (2019). Perbandingan Kinerja Tool Data
Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi. Teknika, 8(1), 11–
16. https://doi.org/10.34148/teknika.v8i1.95
Firdaus, M. F. El, Nurfaizah, N., & Sarmini, S. (2022). Analisis Sentimen Tokopedia
Pada Ulasan di Google Playstore Menggunakan Algoritma Naïve Bayes
Classifier dan K-Nearest Neighbor. JURIKOM (Jurnal Riset Komputer), 9(5),
1329. https://doi.org/10.30865/jurikom.v9i5.4774
Indraini, A. N., Ernawati, I., & Zaidah, A. (2022). ANALISIS SENTIMEN
TERHADAP PEMBELAJARAN DARING DI INDONESIA MENGGUNAKAN
SUPPORT VECTOR MACHINE (SVM).
Irfan, M., & Erizal, E. (2024). Perbandingan Algoritma Naïve Bayes dengan KNearest Neighbor Untuk Analisis Sentimen Aplikasi InDrive di Playstore.
JURNAL MEDIA INFORMATIKA BUDIDARMA, 8(3), 1535.
https://doi.org/10.30865/mib.v8i3.7780
KANTINIT. (2022a). Belajar Naive Bayes: Alur Algoritma, Rumus dan Contoh
Perhitungan Naive Bayes. Kantinit. https://kantinit.com/kecerdasanbuatan/belajar-naive-bayes-alur-algoritma-rumus-dan-contoh-perhitungannaive-bayes/
KANTINIT. (2022b). K Nearest Neighbor (KNN): Pengertian, Cara Kerja dan
Penerapannya. Kantinit. https://kantinit.com/kecerdasan-buatan/k-nearestneighbor-knn-pengertian-cara-kerja-dan-penerapannya/
Nurtikasari, Y., Syariful Alam, & Teguh Iman Hermanto. (2022). Analisis Sentimen
Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan
Algoritma Naive Bayes. INSOLOGI: Jurnal Sains Dan Teknologi, 1(4), 411–
423. https://doi.org/10.55123/insologi.v1i4.770
45
Rezki, M., Kholifah, D. N., Faisal, M., Suryadithia, R., Bina, U., & Informatika, S.
(2020a). Analisis Review Pengguna Google Meet dan Zoom Cloud Meeting
Menggunakan Algoritma Naïve Bayes. In Jurnal (Vol. 2, Issue 2).
http://ejournal.bsi.ac.id/ejurnal/index.php/infortech264
Rezki, M., Kholifah, D. N., Faisal, M., Suryadithia, R., Bina, U., & Informatika, S.
(2020b). Analisis Review Pengguna Google Meet dan Zoom Cloud Meeting
Menggunakan Algoritma Naïve Bayes. In Jurnal (Vol. 2, Issue 2).
http://ejournal.bsi.ac.id/ejurnal/index.php/infortech264
Riziq sirfatullah Alfarizi, M., Zidan Al-farish, M., Taufiqurrahman, M., Ardiansah,
G., & Elgar, M. (2023). PENGGUNAAN PYTHON SEBAGAI BAHASA
PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP
LEARNING. In Karimah Tauhid (Vol. 2, Issue 1).
Rusydiana, A. S., & Marlina, L. (2020). Journal of Economics and Business
Aseanomics Journal homepage Analisis Sentimen terkait Sertifikasi Halal.
Journal of Economics and Business Aseanomics, 5(1), 69–85.
http://academicjournal.yarsi.ac.id/jeba
Saiful, A., Andryana, S., & Gunaryati, A. (2021). Prediksi Harga Rumah
Menggunakan Web Scrapping Dan Machine Learning Dengan Algoritma
Linear Regression. http://jurnal.mdp.ac.id
Sari, A. E., Widowati, S., & Lhaksmana, K. M. (2019). Klasifikasi Ulasan Pengguna
Aplikasi Mandiri Online di Google Play Store dengan Menggunakan Metode
Information Gain dan Naive Bayes Classifier.
Sulistya, Y. I., & Danuputri, C. (2022). Analisis perbandingan Reduction Technique
dengan metode Dimentional Reduction dan Cross Validation pada dataset breast
cancer. Indonesian Journal of Data and Science (IJODAS), 3(2), 82–88.
Suwandi, A., & Fauzi, R. (2023). ANALISIS KEPUASAN KONSUMEN
TERHADAP KUALITAS PRODUK MENGGUNAKAN ALGORITMA
NAIVE BAYES. JURNAL COMASIE.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis
Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes
dan KNN. Jurnal KomtekInfo, 1–7.
https://doi.org/10.35134/komtekinfo.v10i1.330
Wijaya, A., Rivaldo, M., & Rizky Pribadi, M. (2024). Analisis Sentimen Terhadap
Aplikasi Mitra Darat Menggunakan Algoritma Naive Bayes Classifier dan KNearest Neighbor. In Applied Information Technology and Computer Science
(Vol. 3, Issue 1). https://jurnal.politap.ac.id/index.php/aicoms
Yana Nursyi’ah, S., Erfina, A., & Warman, C. (2021). ANALISIS SENTIMEN
PEMBELAJARAN DARING PADA MASA PANDEMI COVID-19 DI TWITTER
MENGGUNAKAN ALGORITMA NAÏVE BAYES.