Analisis Sentimen Masyarakat Terhadap Layanan Ub Press Dengan Menggunakan Metode Naïve Bayes Dan Lexicon-Based Features
Kata Kunci:
Analisis Sentimen, UB Press, Naïve Bayes, Lexicon-Based Features, Root Cause AnalysisAbstrak
Penelitian ini memiliki tujuan untuk menganalisis sentimen masyarakat terhadap layanan UB Press dengan menggunakan metode klasifikasi Naïve Bayes dan fitur berbasis leksikon. Fokus utama penelitian adalah untuk mendapatkan informasi mengenai analisis sentimen opini masyarakat terhadap layanan UB Press, dengan tujuan meningkatkan kualitas layanan. Data penelitian diperoleh dari ulasan yang terdapat pada platform Bukalapak, Shopee, Google Maps, dan Tokopedia. Pengumpulan data dilakukan menggunakan ekstensi Chrome, Instant Data Scraper. Selanjutnya, data diolah melalui serangkaian tahap, antara lain translasi, pelabelan dengan leksikon, pre-processing, pembagian data latih dan data uji, pembobotan TF-IDF, klasifikasi sentimen, dan pengujian. Pengujian dilakukan dengan menggunakan confusion matrix dan menunjukkan rata-rata akurasi model klasifikasi mencapai 87,83%. Hasil ini menjadi indikasi bahwa secara keseluruhan, model memiliki kemampuan yang baik dalam mengklasifikasikan data dengan benar. Data dengan klasifikasi negatif selanjutnya dianalisis dengan menggunakan metode Root Cause Analysis (RCA). Hasil analisis menunjukkan bahwa UB Press membutuhkan perbaikan pada aspek toko, buku, harga, pelayanan, dan pengiriman. Rekomendasi perbaikan yang dapat diberikan meliputi penyusunan buku yang lebih baik, peningkatan stok, evaluasi strategi harga, responsivitas yang lebih baik, dan perbaikan dalam proses pengiriman.
Referensi
Antinasari, P. 2017. Analisis Sentimen tentang Opini Film pada Dokumen Twitter berbahasa Indonesia menggunakan Naive Bayes Classifier dengan perbaikan Kata Tidak Baku. S.Kom Thesis. Universitas Brawijaya.
Aulia, G. N., & Patriya, E. (2020). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140-153.
Ayani, D. D., Pratiwi, H. S., Muhardi, Hafiz. 2019. Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. Jurnal Sistem dan Teknologi Informasi, Volume VII, pp. 257-262.
Fathullah, N. S., Sari, Y. A., & Adikara, P. P. (2020). Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(2), 590-593.
Hamzah, A. 2012. Klasifikasi Teks dengan Naive Bayes Classifier untuk Pengelompokan Teks Berita dan Abstract Akademis. Jurnal Prosiding Seminar nasional Aplikasi & Teknologi (SNAST) Periode III.
HERDHIANTO, A., dkk. 2020. Sentiment Analysis Menggunakan Naïve Bayes Classifier (Nbc) Pada Tweet Tentang Zakat Sentiment Analysis Menggunakan Naïve Bayes Classifier (Nbc) Pada Tweet Tentang.
Karmayasa, O., & Mahendra, I. B. 2010. Implementasi Vector Space Model dan Beberapa Notasi Metode Term Frequency Inverse Document Frequency (TF-IDF) pada Sistem Temu Kembali Informasi. Jurnal Program Studi Teknik Informatika Universitas Udayana.
Kurniawan, A., Indriati, I., & Adinugroho, S. (2019). Analisis Sentimen Opini Film Menggunakan Metode Naïve Bayes dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(9), 8335-8342.
Pramudita, Y. D., Putro, S. S., & Makhmud, N. (2018). Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(3), 269-276.
Rofiqoh, U., Perdana, R. S., & Fauzi, M. A. (2017). Analisis sentimen tingkat kepuasan pengguna penyedia layanan telekomunikasi seluler indonesia pada twitter dengan metode Support Vector Machine dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(12), 1725-1732.
ROZI, I., PRAMONO, S., & DAHLAN, E. 2012. Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi. Jurnal EECCIS, 6(1), 37–43.
Suryani, P. S. M., Linawati, L., & Saputra, K. O. (2019). Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia. Maj. Ilm. Teknol. Elektro, 18(1), 145.
Susana, H. (2022). Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet. Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI), 4(1), 1-8.
Antinasari, P. 2017. Analisis Sentimen tentang Opini Film pada Dokumen Twitter berbahasa Indonesia menggunakan Naive Bayes Classifier dengan perbaikan Kata Tidak Baku. S.Kom Thesis. Universitas Brawijaya.
Aulia, G. N., & Patriya, E. (2020). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140-153.
Ayani, D. D., Pratiwi, H. S., Muhardi, Hafiz. 2019. Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace. Jurnal Sistem dan Teknologi Informasi, Volume VII, pp. 257-262.
Fathullah, N. S., Sari, Y. A., & Adikara, P. P. (2020). Analisis Sentimen Terhadap Rating dan Ulasan Film dengan menggunakan Metode Klasifikasi Naïve Bayes dengan Fitur Lexicon-Based. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(2), 590-593.
Hamzah, A. 2012. Klasifikasi Teks dengan Naive Bayes Classifier untuk Pengelompokan Teks Berita dan Abstract Akademis. Jurnal Prosiding Seminar nasional Aplikasi & Teknologi (SNAST) Periode III.
HERDHIANTO, A., dkk. 2020. Sentiment Analysis Menggunakan Naïve Bayes Classifier (Nbc) Pada Tweet Tentang Zakat Sentiment Analysis Menggunakan Naïve Bayes Classifier (Nbc) Pada Tweet Tentang.
Karmayasa, O., & Mahendra, I. B. 2010. Implementasi Vector Space Model dan Beberapa Notasi Metode Term Frequency Inverse Document Frequency (TF-IDF) pada Sistem Temu Kembali Informasi. Jurnal Program Studi Teknik Informatika Universitas Udayana.
Kurniawan, A., Indriati, I., & Adinugroho, S. (2019). Analisis Sentimen Opini Film Menggunakan Metode Naïve Bayes dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(9), 8335-8342.
Pramudita, Y. D., Putro, S. S., & Makhmud, N. (2018). Klasifikasi Berita Olahraga Menggunakan Metode Naïve Bayes dengan Enhanced Confix Stripping Stemmer. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(3), 269-276.
Rofiqoh, U., Perdana, R. S., & Fauzi, M. A. (2017). Analisis sentimen tingkat kepuasan pengguna penyedia layanan telekomunikasi seluler indonesia pada twitter dengan metode Support Vector Machine dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(12), 1725-1732.
ROZI, I., PRAMONO, S., & DAHLAN, E. 2012. Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi. Jurnal EECCIS, 6(1), 37–43.
Suryani, P. S. M., Linawati, L., & Saputra, K. O. (2019). Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia. Maj. Ilm. Teknol. Elektro, 18(1), 145.
Susana, H. (2022). Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet. Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI), 4(1), 1-8.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
