Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet
DOI:
https://doi.org/10.33633/tc.v21i3.6361Keywords:
Analisis Sentimen, Jobstreet, Naïve Bayes, KlasifikasiAbstract
Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.References
J. Widiantoro, “About Us,” 2020. https://www.jobstreet.co.id/id/about-us/ (accessed Jun. 04, 2022).
H. Februariyanti, M. Firmansyah, J. S. Wibowo, and M. S. Utomo, “ANALISIS SENTIMEN TANGGAPAN TERHADAP APLIKASI LAYANAN INFORMASI PENGINAPAN MENGGUNAKAN METODE KLASIFIKASI NAIVE BAYES,” vol. 6, no. 2, pp. 115–124, 2020, doi: 10.5281/zenodo.4399381.
H. S. Utama, D. Rosiyadi, D. Aridarma, and B. S. Prakoso, “SENTIMEN ANALISIS KEBIJAKAN GANJIL GENAP DI TOL BEKASI MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN OPTIMALISASI INFORMATION GAIN,” Jurnal Pilar Nusa Mandiri, vol. 15, no. 2, pp. 247–254, Sep. 2019, doi: 10.33480/pilar.v15i2.705.
N. L. Ratniasih and N. Gunantara, “Penerapan Text Mining dalam Spam Filtering untuk Aplikasi Chat,” Teknologi Elektro, vol. 16, no. 3, 2017, [Online]. Available: http://untroubled.org/spam/
D. Sepri, “Penerapan Algoritma Naïve Bayes Untuk Analisis KepuasanPenggunaan Aplikasi Bank,” Journal of Computer System and Informatics (JoSYC, vol. 2, no. 1, pp. 135–139, 2020.
E. Daryfayi, P. Daulay, and I. Asror, “Sentimen Analisis pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes,” 2020.
A. Yasar and M. M. Saritas, “Performance Analysis of ANN and Naive Bayes Classification Algorithm for Data Classification Gastric Cancer and Image Processing View project International Journal of Intelligent Systems and Applications in Engineering Performance Analysis of ANN and Naive Bayes Classification Algorithm for Data Classification,” Original Research Paper International Journal of Intelligent Systems and Applications in Engineering IJISAE, vol. 7, no. 2, pp. 88–91, 2019, doi: 10.1039/b000000x.
E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook,” Eksplora Informatika, vol. 9, no. 1, pp. 60–69, Sep. 2019, doi: 10.30864/eksplora.v9i1.254.
T. R. Nichols, P. M. Wisner, G. Cripe, and L. Gulabchand, “Putting the kappa statistic to use,” Quality Assurance Journal, vol. 13, no. 3–4, pp. 57–61, Jul. 2010, doi: 10.1002/qaj.481.
B. Herwijayanti, D. E. Ratnawati, and L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” 2018. [Online]. Available: http://j-ptiik.ub.ac.id
A. Sabrani, I. W. Gede Putu Wirarama Wedashwara, and F. Bimantoro, “METODE MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI ARTIKEL ONLINE TENTANG GEMPA DI INDONESIA (Multinomial Naïve Bayes Method for Classification of Online Article About Earthquake in Indonesia),” 2020. [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
E. Sutoyo and M. Asri Fadlurrahman, “Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” 2020.
Downloads
Published
Issue
Section
License
Penulis yang mempublikasikan artikelnya dalam jurnal ini setuju dengan ketentuan berikut :
- Hak cipta tetap pada penulis dan memberikan hak kepada jurnal Techno.Com sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan jurnal ini sebagai tempat publikasinya.
- Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di jurnal Techno.Com.
- Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).