Klasifikasi Opini Masyarakat Terhadap Jasa ISP MyRepublic dengan Naïve Bayes

Hafiz Irsyad, Ahmad Farisi, Muhammad Rizky Pribadi

Abstract


Klasifikasi opini adalah analisis yang bertujuan untuk menentukan sentimen komunitas atau kelompok tentang entitas tertentu. Klasifikasi opini dapat dikategorikan sebagai positif, negatif, dan netral. Klasifikasi opini publik ini dilakukan pada penyedia layanan internet MyRepublic. Saat ini, MyRepublic telah menjangkau tujuh provinsi di Indonesia. MyRepublic menggunakan banyak media untuk berkomunikasi dengan pelanggannya, terutama menggunakan Twitter. Akun MyRepublic di Twitter adalah MyRepublicid dengan jumlah pengikut 9.414. Makalah ini mengambil komentar atau tweet dari pengikut yang dapat digunakan untuk melihat pendapat dari pengikut My Republic, positif atau negatif. Klasifikasi komentar atau tweet di Twitter menggunakan metode naïve Bayes. Dari sejumlah 1.553 data yang digunakan, diambil 70% dari masing-masing kategori sebagai data latih dan 30% sisanya sebagai data uji. Metode Naïve Bayes menghasilkan nilai akurasi positif 0,976%, negatif 0,82895%, dan netral 0,8333%, sehingga memiliki rata-rata 0,87949%. Dengan hasil akurasi ini dapat disimpulkan bahwa metode Naïve Bayes mampu mengklasifikasikan data dengan baik.

Keywords


Naive Bayes; Opini; Klasifikasi; MyRepublic

Full Text:

PDF

References


T.A. Lorosae, B.D. Prakoso, Saifudin, dan Kusrin, "Analisis Sentimen Berdasarkan Opini Masyarakat pada Twitter Menggunakan Naïve Bayes," Seminar Nasional Teknologi Informasi dan Multimedia 2018, 2018, hal. 1.10-25-1.10-30.

F.N. Zuhri dan A. Alamsyah, "Analisis Sentimen Masyarakat Terhadap Brand Smartfren Menggunakan Naive Bayes Classifier di Forum Kaskus," e-Proceeding of Management, Vol. 4, No. 1, hal. 242-251, 2017.

R. Feldman dan J. Sanger, The Text Mining Handbook, New York, USA: Cambridge University Press, 2007.

M. Kini M., S. Devi H., P.G. Desai, dan N. Chiplunkar, "Text Mining Approach to Classify Technical Research Document Using Naive Bayes," International Journal of Advanced Research in Computer and Communication Engineering, Vol. 4, No. 7, hal. 386-391, 2015.

J. Han, M. Kamber, dan J. Pei, Data Mining Concept and Techniques, 3rd ed., Waltham, USA: Elsevier Inc., 2012.

S.L. Ting, W.H. Ip, dan A.H.C. Tsang, "Is Naive Bayes a Good Classifier for Document Classification?" International Journal of Software Engineering and Its Applications, Vol. 5, No. 3, hal. 37-46, 2011.

A. Saleh, "Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga," Creative Information Technology Journal, Vol. 2, No. 3, hal. 207-217, 2015.

M. Rani dan J. Arora, "Twitter Data Predicting Geolocation Using Data Mining Techniques," International Journal of Innovative Research in Computer, Vol. 4, No. 6, hal. 10446-10453, 2016.




DOI: http://dx.doi.org/10.22146/jnteti.v8i1.487

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI)

JNTETI (Jurnal Nasional Teknik Elektro dan Teknologi Informasi)

Departemen Teknik Elektro dan Teknologi Informasi, Fakultas Teknik Universitas Gadjah Mada
Jl. Grafika No 2. Kampus UGM Yogyakarta 55281
+62 274 552305
jnteti@ugm.ac.id