ANALISIS SENTIMEN PADA ULASAN ACCESS BY KERETA API INDONESIA DENGAN K-NEAREST NEIGHBOR

Anisa Rhamadanti, Ahmad Rifa'i, Fatihanursari Dikananda, Khaerul Anam

Abstract


Abstrak. Access by KAI adalah suatu aplikasi pembelian tiket kereta api indonesiaKAI Access diluncurkan pada 4 September 2014, aplikasi ini mengalami pembaruan pada 10 Agustus 2023 dan diubah namanya menjadi Access by KAI, menjadi versi ke-5 dari PT. Kereta Api Indonesia (PERSERO). Metodologi penelitian melibatkan studi literatur, pengumpulan data melalui teknik web scraping, dan analisis terhadap 3715 ulasan pengguna dari 10 Agustus hingga 10 November 2023. Data tersebut mencatat 555 ulasan positif dan 3160 ulasan negatif, dengan penilaian 1 dan 2 dianggap sebagai negatif, sementara 3, 4, dan 5 dianggap positif. Setelah proses preprocessing, algoritma K-NN diimplementasikan untuk analisis sentimen. Dengan parameter optimal K=17 pada rasio pembagian data uji 90:10, model mencapai tingkat akurasi tinggi dengan presisi 87%, recall 100%, dan f1-score 93%. Pada rasio 80:20 dengan K=9, presisi meningkat menjadi 88%, recall mencapai 99%, namun f1-score tetap 93%. Pada rasio 70:30 dengan K=9, model menunjukkan presisi 87%, recall 99%, dan f1-score 93. Temuan ini diharapkan memberikan wawasan berharga bagi pengembang aplikasi untuk meningkatkan kualitas dan kepuasan pengguna pada platform "Access by KAI." 

Keywords:
analisis sentimen, K-Nearest Neighbors (K-NN), ulasan pengguna, Access by KAI, web scraping 


Full Text:

PDF 775-783

References


Tim KAI, “Upgrade Aplikasi, KAI Lakukan Grand Launching Access,” kai.id. Accessed: Nov. 08, 2023. [Online]. Available: https://www.kai.id/information/full_news/5688

Google Play Store, “Access by KAI,” play.google.com. Accessed: Nov. 08, 2023. [Online]. Available: https://play.google.com/store/apps/details?id=com.kai.kaiticketing

M. Riski, M. Fikry, and Yusra, “Klasifikasi Sentimen Ulasan Aplikasi WhatsApp di Play Store Menggunakan Metode K-Nearest Neighbor,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 438–444, 2023, doi: 10.30865/klik.v4i1.1050.

P. Astuti and N. Nuris, “Penerapan Algoritma KNN Pada Analisis Sentimen Review Aplikasi Peduli Lindungi,” Comput. Sci., vol. 2, no. 2, pp. 137–142, 2022, doi: 10.31294/coscience.v2i2.1258.

S. Masturoh and A. B. Pohan, “Analisis Sentimen Terhadap E-Wallet Dana Pada Ulasan Google Play Menggunakan Algoritma K-Nearest Neighbor,” J. Pilar Nusa Mandiri, vol. 17, no. 1, pp. 53–58, Apr. 2021, doi: 10.33480/pilar.v17i1.2182.

I. Sholekha, A. Faqih, and A. Bahtiar, “Sentiment Analysis of Public Opinion Covid-19 Vaccine Using Naïve Bayes and Random Forest Methods,” J. Tek. Inform., vol. 15, no. 1, pp. 34–43, 2022, doi: 10.15408/jti.v15i1.24847.

M. P. R. Putra and K. R. N. Wardani, “Penerapan Text Mining Dalam Menganalisis Kepribadian Pengguna Media Sosial,” JUTIM (Jurnal Tek. Inform. Musirawas), vol. 5, no. 1, pp. 63–71, 2020, doi: 10.32767/jutim.v5i1.791.

A. Nurian and B. N. Sari, “Analisis Sentimen Ulasan Pengguna Aplikasi Google Play Menggunakan Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3s1, pp. 829–835, 2023, doi: 10.23960/jitet.v11i3s1.3348.

A. Y. Kuntoro, Hermanto, and T. Asra, “Klasifikasi Keluhan Pengguna Kai Access Untuk Pemesanan,” JIKA (Jurnal Inform. Univ. Muhammadiyah Tangerang, pp. 161–169, 2022, doi: http://dx.doi.org/10.31000/jika.v6i2.6187.

H. W. Azizah, O. Nurdiawan, G. Dwilestari, K. Kaslani, and E. Tohidi, “Klasifikasi Pemberian Bantuan UMKM Cirebon dengan Menggunakan Algoritma K-Nearest Neighbor,” J. Comput. Syst. Informatics, vol. 3, no. 3, pp. 110–115, 2022, doi: 10.47065/josyc.v3i3.1392.

S. W. Iriananda, R. P. Putra, and K. S. Nugroho, “Analisis Sentimen Dan Analisis Data Eksploratif Ulasan Aplikasi Marketplace Google Playstore,” 4th Conf. Innov. Appl. Sci. Technol. (CIASTECH 2021), no. Ciastech, pp. 473–482, 2021.

S. Masturoh, R. L. Pratiwi, M. R. R. Saelan, and U. Radiyah, “Application of the K-Nearest Neighbor (Knn) Algorithm in Sentiment Analysis of the Ovo E-Wallet Application,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 8, no. 2, pp. 78–83, 2023, doi: 10.33480/jitk.v8i2.3997.

S. Alfaris and Kusnawi, “Komparasi Metode KNN dan Naive Bayes Terhadap Analisis Sentimen Pengguna Aplikasi Shopee,” Indones. J. Comput. Sci., vol. 8, no. 2, p. 2766, 2019, doi: https://doi.org/10.33022/ijcs.v12i5.3304.

S. Rahayu, Y. MZ, J. E. Bororing, and R. Hadiyat, “Implementasi Metode K-Nearest Neighbor (K-NN) untuk Analisis Sentimen Kepuasan Pengguna Aplikasi Teknologi Finansial FLIP,” Edumatic J. Pendidik. Inform., vol. 6, no. 1, pp. 98–106, 2022, doi: 10.29408/edumatic.v6i1.5433.

A. D. A. Putra and S. Juanita, “Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, pp. 636–646, Jun. 2021, doi: 10.35957/jatisi.v8i2.962.

S. D. Fritama, Y. R. Ramadhan, and M. A. Komara, “Analisis Sentimen Review Produk Acne Spot Treatment di Female Daily Menggunakan Algoritma K-Nearest Neighbor,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 134–143, 2023, doi: 10.30865/klik.v4i1.1070.

.




DOI: http://dx.doi.org/10.23960/jitet.v12i1.3961

Refbacks



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

Publisher
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung
Jl. Prof. Soemantri Brojonegoro No. 1 Bandar Lampung 35145
Email: jitet@eng.unila.ac.id
Website : https://journal.eng.unila.ac.id/index.php/jitet

Copyright (c) Jurnal Informatika dan Teknik Elektro Terapan (JITET)
pISSN: 2303-0577   eISSN: 2830-7062