Perbandingan Algoritma Naive Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Aplikasi Rosalia Indah Transport

Herbi Satrio; Eka Kusuma Pratama

doi:10.33592/jutis.v13i1.5327

Authors

Herbi Satrio Universitas Bina Sarana Informatika
Eka Kusuma Pratama

DOI:

https://doi.org/10.33592/jutis.v13i1.5327

Keywords:

Naive Bayes, K-Nearest Neighbor, Rosalia Indah Transport

Abstract

Analisis sentimen yang diterapkan pada aplikasi Rosalia Indah Transport melibatkan pengumpulan ulasan atau umpan balik dari pengguna. Selanjutnya, algoritma analisis sentimen digunakan untuk mengklasifikasikan ulasan tersebut sebagai positif atau negatif. Analisis sentimen ini membantu perusahaan memahami pandangan pengguna tentang aplikasi Rosalia Indah Transport dan sejauh mana aplikasi ini mampu memenuhi kebutuhan pengguna. Proses analisis sentimen pada aplikasi Rosalia Indah Transport mencakup pengumpulan ulasan dari pengguna, yang kemudian diklasifikasikan menggunakan algoritma analisis sentimen.. Hasil penelitian menunjukkan bahwa KNN memiliki kinerja yang lebih unggul dibandingkan dengan Naive Bayes dalam semua metrik yang diuji. Akurasi KNN mencapai 81.54%, sementara Naive Bayes hanya mencapai 64.94%. Precision dan recall untuk KNN juga lebih tinggi, masing-masing sebesar 82.87%, 92.29%, dibandingkan dengan Precision dan recall Naive Bayes yang hanya mencapai 81%, 64.24%. Temuan ini menunjukkan bahwa KNN adalah metode yang lebih efektif untuk analisis sentimen ulasan aplikasi Rosalia Indah Transport, yang dapat membantu pengembang dan bisnis dalam memahami dan meningkatkan kualitas aplikasi mereka.

References

Ahmadi, M. I., Gustian, D., & Sembiring, F. (2021). Analisis Sentiment Masyarakat terhadap Kasus Covid-19 pada Media Sosial Youtube dengan Metode Naive bayes. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).

Aziz, A., & Fauziah. (2022). Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 6, Issue 1). Abdul Aziz.

Darwis, D., Shintya Pratiwi, E., Ferico, A., & Pasaribu, O. (2020). PENERAPAN ALGORITMA SVM UNTUK ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA. In Jurnal Ilmiah Edutic (Vol. 7, Issue 1).

Derajad Wijaya, H., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. JURNAL INFORMATIKA, 7(1). http://ejournal.bsi.ac.id/ejurnal/index.php/ji

Fajar Sidik, Ibnu Suhada, Azhar Haikal Anwar, & Firman Noor Hasan. (2022). Analisis Sentimen Terhadap Pembelajaran Daring dengan Algoritma Naïve Bayes Classifier.

Irfan, M., & Erizal, E. (2024). Perbandingan Algoritma Naïve Bayes dengan K-Nearest Neighbor Untuk Analisis Sentimen Aplikasi InDrive di Playstore. JURNAL MEDIA INFORMATIKA BUDIDARMA, 8(3), 1535. https://doi.org/10.30865/mib.v8i3.7780

Noor, F. H., & Dwijayanti, M. (2021). Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier. In JLK (Vol. 4).

Pradana Rachman, F., Santoso, H., & History, A. (2021). Jurnal Teknologi dan Manajemen Informatika Perbandingan Model Deep Learning untuk Klasifikasi Sentiment Analysis dengan Teknik Natural Languange Processing Article Info ABSTRACT. 7(2), 103–112. http://http://jurnal.unmer.ac.id/index.php/jtmi

Rachman, R., Handayani, R. N., & Artikel, I. (2021). Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM. JURNAL INFORMATIKA, 8(2). http://ejournal.bsi.ac.id/ejurnal/index.php/ji

Rahutomo, F., Retno, A., & Ririd, T. H. (2019). EVALUASI DAFTAR STOPWORD BAHASA INDONESIA. 6(1), 41–48. https://doi.org/10.25126/jtiik.201861226

Rifai, B., Danang Febryanto, B., Yulianto, F., Reflianah, N., & Tinggi Manajemen Informatika dan Komputer Nusa Mandiri, S. (2021). Analisis Sentimen Opini Publik Terhadap Penerapan Kebijakan Social Distancing Dalam Pencegahan Covid-19. 23(1). http://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/issue/archive/

Septi Rizqiah, A., & Rahman Kadafi, A. (2022). Analisis Sentimen Pengguna Twitter Terhadap Vaksin Booster Menggunakan Metode Naïve Bayes Dan K-Nearst Neighbor. Jurnal Sains Dan Teknologi, 4(1), 1–5.

Syafrizal, S., Afdal, M., & Novita, R. (2023). Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(1), 10–19. https://doi.org/10.57152/malcom.v4i1.983

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, & Fitri Nurapriani. (2023). Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN. Jurnal KomtekInfo, 1–7. https://doi.org/10.35134/komtekinfo.v10i1.330

Wijaya, A., Rivaldo, M., & Rizky Pribadi, M. (2024). Analisis Sentimen Terhadap Aplikasi Mitra Darat Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neighbor. In Applied Information Technology and Computer Science (Vol. 3, Issue 1). https://jurnal.politap.ac.id/index.php/aicoms