Analisis Sentimen Masyarakat Terhadap Layanan Shopeefood Melalui Media Sosial Twitter Dengan Algoritma Naïve Bayes Classifier
Abstract
Twitter adalah salah satu media sosial dan fasilitas microblogging yang menjadi tempat bagi penggunanya berbagi pengalamannya secara bebas, realtime, dan bersifat publik. Hal ini dapat menjadikan twitter sebagai sumber informasi yang dapat berupa opini, ataupun komentar yang bersifat positif maupun negatif. Dari opini masyarakat tersebut dapat diimplementasikan sebagai tolak ukur, karena memiliki nilai bagi suatu perusahaan agar dapat menjadi bahan evaluasi untuk menentukan langkah dalam meningkatkan layanannya. Oleh karena itu untuk mengolah opini tersebut dibutuhkan teknik analisis sentimen untuk dapat mengidentifikasi opini baik positif maupun negatif. Pada penelitian ini akan menganalisis tweet berbahasa Indonesia dengan topik layanan yang ada pada E-commerce shopee yaitu layanan ShopeeFood yang sedang populer dikalangan masyarakat saat ini. Metode yang akan digunakan untuk analisa sentimen pada penelitian ini yaitu Naïve Bayes Classifier untuk proses mengklasifikasi. Berdasarkan hasil pengujian klasifikasi tweet pada penelitian ini dibuktikan keakuratan yang didapatkan melalui confusion matrix dengan nilai accuracy sebesar 90,62%, precision sebesar 88,23%, dan recall sebesar 93,75%.
Kata kunci: Analisis Sentimen, Teks Mining, Naïve Bayes Classifier, Twitter, ShopeeFood
Full Text:
PDFReferences
G. Pratama, "Analisis Transaksi Jual Beli online Melalui Website Marketplace Shopee Menurut Konsep Bisnis di Masa Pandemic Covid 19," Ecopreneur: Jurnal Program Studi Ekonomi Syariah, vol. 1, no. 2, pp. 21-34, 2020.
I. Vania and R. Simbolon, "Pengaruh Promo Shopeefood Terhadap Minat Beli Pengguna Shopee (Di Daerah Tangerang Selatan)," Jurnal Ekonomis, vol. 14, no. 2b, 2021.
E. S. Buana, "Pengaruh Promo ShopeeFood Terhadap Minat Beli Pengguna Shopee," 2021.
N. M. S. Hadna, P. I. Santosa and W. W. Winarno, "Studi literatur tentang perbandingan metode untuk proses analisis sentimen di Twitter," Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016), pp. 57-64, 2016.
D. N. Sari, F. Adelia, F. Rosdiana, B. B. Butar and M. Hariyanto, "Analisa Sentimen Terhadap Review Produk Kecantikan Menggunakan Metode Naive Bayes Classifier," JIKA (Jurnal Informatika), vol. 4, no. 3, pp. 109-118, 2020.
A. Nurzahputra and M. A. Muslim, "Analisis Sentimen pada Opini Mahasiswa Menggunakan Natural Language Processing," Seminar Nasional Ilmu Komputer (SNIK 2016), pp. 114-118, 2016.
Surohman, S. Aji, Rousyati and F. F. Wati, "Analisa Sentimen Terhadap Review Fintech Dengan Metode Naive Bayes Classifier Dan K- Nearest Neighbor," Jurnal Sains dan Manajemen, vol. 8, no. 1, pp. 93-105, 2020.
M. I. Fikri, T. S. Sabrila and Y. Azhar, "Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter," SMATIKA JURNAL, vol. 10, no. 2, pp. 71-76, 2020.
Z. E. Sholikha, E. Y. Puspaningrum and W. S. JS, "Analisa Sentimen Pengguna E-Money pada Twitter menggunakan Algoritma C4.5 dan Naive Bayes," Jurnal Informatika dan Sistem Informasi (JIFoSI), vol. 1, no. 3, pp. 1063-1071, 2020.
D. Alita, Y. Fernando and H. Sulistiani, "Implementasi Algoritma Multiclass SVM pada Opini Publik Berbahasa Indonesia di Twitter," Jurnal Tekno Kompak, vol. 14, no. 2, pp. 86-91, 2020.
DOI: https://doi.org/10.33633/joins.v7i1.5883
Article Metrics
Abstract view : 468 timesPDF - 349 times
Refbacks
- There are currently no refbacks.
Index by:
 |  |  |  |