ANALISIS SENTIMEN PEJUALAN JAFRA DALAM PANDEMI COVID-19 DENGAN ALGORITMA KLASIFIKASI
DOI:
https://doi.org/10.36595/jire.v5i1.569Keywords:
Jafra, Naïve Bayes, K-Nearest Neighbour, Decision TreeAbstract
Pada masa ini di zaman big data , penggunaan media sosial sering kali membuat postingan di akun media social miliknya berupa opini-opini terhadap kejadian dan barang disekitarnya, salah satunya yaitu membuat suatu postingan yang memberikan opini pada suatu barang sehingga kita jadi tahu dampak atau pandangan publik dari suatu produk pada kasus ini yaitu jafra. Adapun beberapa tahapan-tahapan dalam penelitian ini diawali dari pengumpulan data yang dilakukan dengan mengcollect data tweet pada media social twitter sebanyak 1.000 tweet yang berkaitan dengan produk jafra, selanjutnya dilakukan pra-prosesing untuk mencari kata-kata yang sering muncul didalam tweet. Penelitian ini bertujuan untuk menentukan sentimen publik terhadap dampak dari penjualan produk Jafra dimasa pandemic virus covid-19 ini, sehingga membantu usaha penjualan untuk melakukan riset atas opini publik. Klasifikasi algoritma seperti Naive Bayes (NB), K-Nearest Neighbor (k-NN) dan Decision Tree yang diusulkan oleh banyak peneliti untuk digunakan dalam analisis sentimen teks. Ketiga algoritma dan metodenya, akan diuji dengan dua masukan dengan menggunakan komentar Tokenize and Transform Case yang positif dan negatif , akurasi yang didapat algoritma Naïve Bayes accuracy: 74.92%, k-NN accuracy: 76.22%, Decision Tree accuracy: 77.85% Hasil penelitian menunjukkan bahwa algoritma Decisoin Tree mendapatkan hasil terbaik dan akurat
References
N. Boudad, R. Faizi, R. Oulad Haj Thami, and R. Chiheb, “Sentiment analysis in Arabic: A review of the literature,” Ain Shams Eng. J., vol. 9, no. 4, pp. 2479–2490, 2018, doi: 10.1016/j.asej.2017.04.007.
X. Jdxu, J. Frp, and G. J. Frp, “6hqwlphqw $qdovlv ri 6pduw 3krqh 3urgxfw 5hylhz xvlqj 690 &odvvlilfdwlrq 7hfkqltxh,” pp. 1469–1474, 2017.
T. Velayutham and P. K. Tiwari, “Bot identification: Helping analysts for right data in twitter,” Proc. - 2017 3rd Int. Conf. Adv. Comput. Commun. Autom. (Fall), ICACCA 2017, vol. 2018-Janua, pp. 1–5, 2018, doi: 10.1109/ICACCAF.2017.8344722.
R. Y. Hayuningtyas and R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,” J. Techno Nusa Mandiri, vol. 16, no. 1, pp. 37–42, 2019, doi: 10.33480/techno.v16i1.115.
O. Somantri and D. Dairoh, “Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining,” J. Edukasi dan Penelit. Inform., vol. 5, no. 2, p. 191, 2019, doi: 10.26418/jp.v5i2.32661.
L. U. L. Lupdqwr and D. Dul, “Sentiment Analysis and Topic Modelling for Identification of Government Service Satisfaction,” pp. 125–130.
W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017.
H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-165.
M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” Creat. Inf. Technol. J., vol. 4, no. 2, p. 151, 2018, doi: 10.24076/citec.2017v4i2.106.
J. Riany, M. Fajar, and M. P. Lukman, “Penerapan Deep Sentiment Analysis pada Angket Penilaian Terbuka Menggunakan K-Nearest Neighbor,” Sisfo, vol. 06, no. 01, pp. 147–156, 2016, doi: 10.24089/j.sisfo.2016.09.011.
V. I. Santoso, G. Virginia, and Y. Lukito, “Penerapan Sentiment Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine,” J. Transform., vol. 14, no. 2, p. 72, 2017, doi: 10.26623/transformatika.v14i2.439.
D. S. Indraloka and B. Santosa, “Penerapan Text Mining untuk Melakukan Clustering Data Tweet Shopee Indonesia,” J. Sains dan Seni ITS, vol. 6, no. 2, pp. 6–11, 2017, doi: 10.12962/j23373520.v6i2.24419.
H. Saif, Y. He, M. Fernandez, and H. Alani, “Contextual semantics for sentiment analysis of Twitter,” Inf. Process. Manag., vol. 52, no. 1, pp. 5–19, 2016, doi: 10.1016/j.ipm.2015.01.005.
Downloads
Published
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
