KLASIFIKASI SENTIMEN PENGGUNA TERHADAP AKUN TWITTER OFFICIAL DANA DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

KLASIFIKASI SENTIMEN PENGGUNA TERHADAP AKUN TWITTER OFFICIAL DANA DENGAN MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER

• By Salya Sahilla, Firda Amalia;
• S1- Sistem Infomasi
• 6
• 1-204

Aplikasi DANA merupakan bentuk aplikasi dompet digital yang memiliki layanan sebagai alat pembayaran berbentuk online, berfungsi mempermudah bertransaksi saldo hanya menggunakan perangkat mobile. Dana merupakan salah satu dompet digital yang popular di kalangan Masyarakat Indonesia. Namun walaupun banyak digunakan seringkali timbul beberapa masalah yang dialami  pengguna. Seperti,  gagalnya  transfer  dan  terpendingnya  transfer.  Ketika  terjadinya  masalah  tersebut  seringkali pengguna merasa bingung harus harus menghubungi pihak dana melalui apa dan bagaimana. Dengan adanya kejadian tersebut menimbulkan pertanyaan  apakah masyarakat tetap  merasa  nyaman  dan  tetap  bertahan  menggunakan  aplikasi DANA atau tidak. Oleh karena itu penelitian ini bertujuan untuk mengetahuikecenderungan tanggapan sentimen pengguna DANA melalui data  komentar  yang  diperoleh  dari  media  sosial  twitter, dengan  fokus  pada  komentar  yang  berkaitan  dengan  topik  aplikasi DANA. Proses pengumpulan data dilakukan selama periode tiga bulan. Pengujian dalam penelitian ini menggunakan algoritma Naive Bayes Classifier, dengan melalui tahap text preprocessingtermasuk pembersihan teks, mengubah kata menjadi bahasa formal. Komentar  diklasifikasikan  menjadi  dua  kategori  sentimen  positif  dan  sentimen  negatif.  Menentukan  hasil  pengujian klasifikasi  dengan Naive  Bayes  Classifiermelalui  empat  perbandingan  data  latih  dan  data  uji.  Hasil  pengujian  perbandingan 70:30 menunjukkan nilai yang paling tinggi dengan hasil akurasi 84,45%, precision84,77%, recall88,46%, f1-score86,57%. Dan opini publictentang aplikasi DANA mendapatkan sentimen positif lebih tinggi yaitu 2190 (55,8%) dibandingkan dengan sentimen negatif yaitu 1733 (44,2%).

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

Aini, Q., Fauzi, R. R., & Khudzaeva, E. (2023). Economic Impact Due Covid-19 Pandemic: Sentiment Analysis on Twitter Using Naive Bayes Classifier and Support Vector Machine. International Journal on Informatics Visualization, 7(3), 733–741. https://doi.org/10.30630/joiv.7.3.1474

Ardiani, L., Sujaini, H., & Tursina, T. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak. Jurnal Sistem Dan Teknologi Informasi (Justin), 8(2), 183. https://doi.org/10.26418/justin.v8i2.36776

Asthakhuroh, Komarudin, R., & Kholifah, D. (2023). SENTIMENT ANALYSIS WITH A CASE STUDY OF PRACTICE CARD ON TWITTER SOCIAL MEDIA USING. Techno Nusa Mandiri: Journal of Computing and Information Technology, 20(1), 8–13. https://doi.org/https://doi.org/10.33480/techno.v20i1.3709

Aulia Rahman, H., Santoso, R., & Widiharih, T. (2023). Analisis Sentimen Pada Perusahaan Penyedia Jasa Logistik J&T Menggunakan Algoritma Multinomial Naive Bayes dan Support Vector Machine. Jurnal Gaussian, 12(2), 242–253. https://doi.org/10.14710/j.gauss.12.2.242-253

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744

Dinata, R. K., Safwandi, S., Hasdyna, N., & Azizah, N. (2020). Analisis K-Means Clustering pada Data Sepeda Motor. INFORMAL: Informatics Journal, 5(1), 10. https://doi.org/10.19184/isj.v5i1.17071

Fadhillah, I. F. N., Herdiani, A., & Astuti, W. (2019). Analisis Sentimen Berbasis Leksikon InSet Terhadap Partai Politik Peserta Pemilu 2019 Pada Media Sosial Twitter. E-Proceeding of Engineering, 6(3), 1–11.

Guntara, R. G. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60. https://doi.org/https://doi.org/10.47233/jteksis.v5i1.750

Haikal, M., Martanto, & Hayati, U. (2023). ANALISIS SENTIMEN TERHADAP PENGGUNAAN APLIKASI GAME ONLINE PUBG MOBILE MENGGUNAKAN ALGORITMA NAIVE BAYES. JATI (Jurnal Mahasiswa Teknik Informatika), 7(6), 3275–3281. https://doi.org/https://doi.org/10.36040/jati.v7i6.8174

Handayani, I. P., Wardani, H. W., & Rifa, A. (2021). JAM-TEKNO Pelatihan Penggunaan Microsoft Excel Bagi Pengurus Posyandu. Jurnal Pengabdian Kepada Masyarakat TEKNO, 2(2), 44–49. http://jurnal.iaii.or.id/index.php/JAMTEKNO

Hikmawan, S., Pardamean, A., & Khasanah, S. N. (2020). Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning. Jurnal Kajian Ilmiah, 20(2), 167–176. https://doi.org/https://doi.org/10.31599/jki.v20i2.117

Kaparang, S., Kaparang, D. R., & Rantung, V. P. (2021). Analisis Sentimen New Normal Pada Masa Covid-19 Menggunakan Algoritma Naive Bayes Classifier. Jointer - Journal of Informatics Engineering, 2(01), 16–23. https://doi.org/10.53682/jointer.v2i01.33

Paramita, P., & Ibrahim, A. (2023). ANALISIS SENTIMEN TERHADAP PENGGUNA QRIS ( QUICK RESPOND CODE INDONESIAN STANDART ) PADA TWITTER MENGGUNAKAN METODE NAÏVE. JOISIE Journal Of Information System And Informatics Engineering, 7(1), 1–6.

Pratomo, S. A., Al Faraby, S., & Purbolaksono, M. D. (2021). Analisis Sentimen Pengaruh Kombinasi Ekstraksi Fitur TF-IDF dan Lexicon Pada Ulasan Film Menggunakan Metode KNN. E-Proceeding of Engineering, 8(5), 10116–10126. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15726

Putra, G. G. S., Swastika, W., & Irawan, P. L. T. (2022). Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 8(3), 412. https://doi.org/10.26418/jp.v8i3.57300

Rahman, S., Sembiring, A., Siregar, D., Khair, H., Gusti Prahmana, I., Puspadini, R., & Zen, M. (2023). Python : Dasar Dan Pemrograman Berorientasi Objek. In Penerbit Tahta Media.

Rezeki, S. R. I., Restiviani, Y., & Zahara, R. (2020). Penggunaan Sosial Media Twitter dalam Komunikasi Organisasi (Studi Kasus Pemerintah Provinsi Dki Jakarta Dalam Penanganan Covid-19). Journal Of Islamic and Law Studies, 4(2), 63–78. https://doi.org/https://dx.doi.org/10.18592/jils.v4i2.3812

Riskawati, R., Fatihanursari, F., Iin, I., & Rizki Rinaldi, A. (2024). Penerapan Metode Naïve Bayes Classifier Pada Analisis Sentimen Aplikasi Gopay. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 346–353. https://doi.org/10.36040/jati.v8i1.8699

Sa’rony, A., Adikara, P. P., & Wihandika, R. C. (2019). Analisis Sentimen Kebijakan Pemindahan Ibukota Republik Indonesia dengan Menggunakan Algoritme Term-Based Random Sampling dan Metode Klasifikasi Naive Bayes. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(10), 10086–10094.

Yulita, W., Nugroho, E. D., & Algifari, M. H. (2021). Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier. Jurnal Data Mining Dan Sistem Informasi, 2(2), 1–9. https://doi.org/https://doi.org/10.33365/jdmsi.v2i2.1344

Zamzami, F., Hidayat, R., & Fathonah, R. (2024). Penerapan Algoritma Naive Bayes Classifier untuk Analisis Sentimen Komentar Twitter Proyek Pembagunan IKN. Jurnal Tekno Kompak, 17(1), 47–57. https://doi.org/10.30998/faktorexacta.v17i1.22265