Implementasi Algoritma Naïve Bayes Terhadap Review Aplikasi KFCKU

Angga Aditya Permana, Rohmat Taufiq, Rohmat Taufiq, Rohmat Taufiq, Muhammad Ibnu Wijaya, Muhammad Ibnu Wijaya, Muhammad Ibnu Wijaya

Abstract


Analisis sentimen atau Sentimen analysis dalam bahasa Indonesia adalah teknik atau metode yang digunakan untuk identifikasi bagaimana perasaan diungkapkan melalui teks dan bagaimana Perasaan ini dapat diklasifikasikan sebagai positif atau negatif. Salah satu perusahaan makanan cepat saji yang sering mendapatkan sentimen analisis yaitu KFC ( Kentucky Fried Chicken ). Untuk melihat sentimen analisis penelitian ini mengambil sumber data dari Google Play Store. Pada penelitian ini juga digunakan metode Naive Bayes yang bertujuan untuk mengklasifikasikan data dan meningkatkan tingkat akurasi dari metode klasifikasi. Penelitian ini bertujuan untuk menganalisis sentimen konsumen terhadap restoran cepat saji KFC menggunakan pendekatan Naive Bayes berbasis data dari platform Google Play Store. Data diambil dari percakapan dan ulasan pengguna Aplikasi terkait KFCKU dalam kurun waktu tertentu. Metode Naive Bayes digunakan untuk mengklasifikasikan sentimen konsumen menjadi tiga kategori, yaitu positif, negatif, dan netral. Hasil analisis sentimen kemudian dievaluasi untuk menilai tingkat kepuasan dan persepsi konsumen terhadap KFC. Penelitian ini dapat memberikan informasi berharga bagi manajemen KFC untuk meningkatkan kualitas pelayanan dan produk mereka berdasarkan umpan balik konsumen.

Keywords


KFCKU, Naïve Bayes, Sentiment Analysis

Full Text:

PDF

References


Andrianto, B., & Adinugroho, S. (2018). Analisis Sentimen Konten Radikal Melalui Dokumen Twitter Menggunakan Metode Backpropagation. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(12), 7380–7385.

Damayunita, A., Fuadi, R. S., & Juliane, C. (2022). Comparative Analysis of Naive Bayes, K-Nearest Neighbors (KNN), and Support Vector Machine (SVM) Algorithms for Classification of Heart Disease Patients. Jurnal Online Informatika, 7(2), 219–225. https://doi.org/10.15575/join.v7i2.919

Fairuz, A. L., Ramadhani, R. D., & Tanjung, N. A. F. (2021). Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter. Journal of Dinda : Data Science, Information Technology, and Data Analytics, 1(1), 42–51. https://doi.org/10.20895/dinda.v1i1.180

Metode, D., Bayes, N., & Nbc, C. (2023). Sentimen analisis opini masyarakat terhadap kasus pelecehan seksual di kpi pada social media twitter dengan metode naïve bayes clasifier (nbc) 1. 12(01), 122–133.

Oliveira, A. S., Renda, A. I., Correia, M. B., & Antonio, N. (2022). Hotel customer segmentation and sentiment analysis through online reviews: An analysis of selected European markets. Tourism and Management Studies, 18(1), 29–40. https://doi.org/10.18089/tms.2022.180103

PERMANA, A. A., & NOVIYANTO, W. A. (2023). Comparison of the Accuracy of the Lexicon-Based and Naive Bayes Classifier Methods To Public Opinions About Removing Masks on Social Media Twitter. Journal of Theoretical and Applied Information Technology, 101(3), 1174–1183.

Rosadi, A., Gustiana, D., Informatika, M., Sti, S. J., No, J. B. R. I., Dalam, R., Baru, K., Selatan, J., Kata, P., Baku, T., & Bernegasi, M. K. (2021). Analisis Sentimen Berdasarkanan Opini Pengguna pada Media Twitter Terhadap BPJS Menggunakan Metode Lexicon Based dan Naïve Bayes Classi er Twitter Text Mining. 20, 39–52.

Rusli, A., Suryadibrata, A., Nusantara, S. B., & Young, J. C. (2020). A Comparison of Traditional Machine Learning Approaches for Supervised Feedback Classification in Bahasa Indonesia. IJNMT (International Journal of New Media Technology), 7(1), 28–32. https://doi.org/10.31937/ijnmt.v1i1.1485

Santoso, J. T., & Hartono, B. (2022). DSS (Decision Support Systems) Sistem Pendukung Keputusan. 466.

Sinaga, A. (2017). Implementasi Sentiment Analysis untuk Menentukan Tingkat Popularitas Tujuan Wisata. Prosiding Seminar Nasional Teknologi Dan Rekayasa Informasi Tahun 2017, November, 24–25.




DOI: http://dx.doi.org/10.31000/jt.v12i2.10646

Article Metrics

Abstract - 76 PDF - 57

Refbacks

  • There are currently no refbacks.


License URL: https://scholar.google.co.id/citations?user=RJRfBN0AAAAJ&hl=id&authuser=2