KLASIFIKASI KELUHAN PENGGUNA KAI ACCESS UNTUK PEMESANAN TIKET DENGAN ALGORITMA SVM DAN NAÏVE BAYES

Hermanto -, Antonius Yadi Kuntoro, Taufik Asra

Abstract


Perkembangan dan kemajuan Teknologi Informasi dan Komunikasi (TIK) sangat diperlukan guna untuk memudahkan dan menyelesaikan berbagai masalah yang dihadapi oleh manusia dengan cepat dan singkat. Disamping itu, masyarakat zaman sekarang ingin semuanya serba praktis dan tidak menyita banyak waktu. Salah satu contoh permasalahan sehari-hari yang menjadi perhatian masyarakat sekarang adalah transportasi. Kereta api nampaknya menjadi salah satu alat transportasi favorit orang Indonesia terbukti dengan meningkatnya layanan khusus Kereta Api diberbagai perangkat Android, IOS, dan Windows Phone. Penelitian ini fokus terhadap menganalisa kepuasan pengguna aplikasi KAI Access terhadap pemesanan tiket, Penelitian ini bertujuan untuk menganalisis keluhan pengguna aplikasi KAI Access dalam pemesanan tiket kereta api secara online. Terdapat 1321 komentar positif dan negatif pada pengguna aplikasi kai access untuk keluhan pemesanan tiket. Dengan menggunakan Algoritma SVM dan Naïve Bayes dilakukan perbandingan pengujian atas komentar positif dan negatif tersebut. Dari proses pengujian tersebut didapatkan hasil akurasi dari algoritma SVM nilai akurasi = 73.36% dan nilai AUC = 0.794. sedangkan untuk algoritma Naïve Bayes nilai akurasi dan nilai AUC dari algoritma yaitu untuk SVM nilai akurasi = 67.10% dan nilai AUC = 0.573. Dapat disimpulkan bahwa algoritma yang lebih unggul adalah memiliki nilai akurasi tertinggi adalah Algoritma SVM dibanding dengan algoritma Naïve Bayes.

Full Text:

PDF

References


Fahlapi, R., & Rianto, Y. (2020). Twitter

Comment Predictions on Dues

Changes BPJS Health In 2020.

SinkrOn, 5(1), 170.

https://doi.org/10.33395/sinkron.v5i1

Hadna, M. S., Santosa, P. I., & Winarno,

W. W. (2016). Studi Literatur

Tentang Perbandingan Metode

Untuk Proses Analisis Sentimen Di

Twitter. Seminar Nasional Teknologi

Informasi Dan Komunikasi,

(Sentika), 57–64.

https://fti.uajy.ac.id/sentika/publikasi

/makalah/2016/95.pdf

Hermanto, H., Mustopa, A., & Kuntoro,

A. Y. (2020). Algoritma Klasifikasi

Naive Bayes Dan Support Vector

Machine Dalam Layanan Komplain

Mahasiswa. JITK (Jurnal Ilmu

Pengetahuan Dan Teknologi

Komputer), 5(2), 211–220.

https://doi.org/10.33480/jitk.v5i2.11

Hermanto, Kuntoro, A. Y., Asra, T.,

Pratama, E. B., Effendi, L., &

Ocanitra, R. (2020). Gojek and Grab

User Sentiment Analysis on Google

Play Using Naive Bayes Algorithm

and Support Vector Machine Based

Smote Technique. Journal of

Physics: Conference Series, 1641(1).

https://doi.org/10.1088/1742-

/1641/1/012102

Ipmawati, J., Kusrini, & Taufiq Luthfi, E.

(2017). Komparasi Teknik

Klasifikasi Teks Mining Pada

Analisis Sentimen. Indonesian

Journal on Networking and Security,

(1), 28–36.

Manalu, B. U. (2014). ANALISIS

SENTIMEN PADA TWITTER

MENGGUNAKAN TEXT MINING

SKRIPSI Boy Utomo Manalu.

Teknologi Informasi Fak. ILKOM

UNSUT.

Muljono, M., Artanti, D. P., Syukur, A.,

Prihandono, A., & others. (2018).

Analisa Sentimen Untuk Penilaian

Pelayanan Situs Belanja Online

Menggunakan Algoritma Na{"i}ve

Bayes. Konferensi Nasional Sistem

Informasi (KNSI) 2018.

Mustopa, A., Hermanto, Anna, Pratama,

E. B., Hendini, A., & Risdiansyah,

D. (2020). Analysis of user reviews

for the pedulilindungi application on

google play using the support vector

machine and naive bayes algorithm

based on particle swarm

optimization. 2020 5th International

Conference on Informatics and

Computing, ICIC 2020, 2.

https://doi.org/10.1109/ICIC50835.2

9288655

Nugroho, A. S., Witarto, A. B., &

Handoko, D. (2003). Support vector

machine teori dan aplikasinya dalam

bioinformatika. Kuliah Umum

IlmuKomputer. Com.

Purba, M. M. (2014). PEMESANAN

TIKET KERETA API ONLINE (ETicketing) MENGGUNAKAN

APLIKASI KAI Access. Jurnal

Sistem Informasi Universitas

Suryadarma.

https://doi.org/10.35968/jsi.v6i2.324

Rahmayuni, I. (2014). Perbandingan

Performansi Algoritma C4.5 dan

Cart Dalam Klasifikasi Data Nilai

Mahasiswa Prodi Teknik Komputer

Politeknik Negeri Padang. Teknoif,

(1), 40–46.

Safari, C. B. (2012). Skripsi Analisis

Sentimen Menggunakan Metode

Klasifikasi SVM. Universitas

Pendidikan Indonesia.

Sari, E. N. (2013). Analisa Algoritma

Apriori Untuk Menentukan Merek

Pakaian Yang Paling Diminati Pada

Mode Fashion Group Medan. Pelita

Informatika Budi Darma, 4(3), 35–

Setiawan, H., & Novita, D. (2021).

Analisis Kepuasan Pengguna

Aplikasi KAI Access Sebagai Media

Pemesanan Tiket Kereta Api

Menggunakan Metode EUCS. Jurnal

Teknologi Sistem Informasi, 2(2),

–175.

https://doi.org/10.35957/jtsi.v2i2.137

Witten, I. H., Frank, E., Hall, M. A., &

Pal, C. J. (2016). Data Mining:

Practical Machine Learning Tools

and Techniques. In Data Mining:

Practical Machine Learning Tools

and Techniques.

https://doi.org/10.1016/c2009-0-

-




DOI: http://dx.doi.org/10.31000/jika.v6i2.6187

Article Metrics

Abstract - 1021 PDF - 1079

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

CURRENT INDEXING