IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO
DOI:
https://doi.org/10.23960/jitet.v13i1.5847Abstract Views: 182 File Views: 106 File Views: 0 File Views: 0
Abstract
Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
Downloads
References
P. Maharani, S. Lestaluhu, and R. Alfredo, “Transformasi Radio Konvensional Di Era Digital (Studi Kasus Pada Radio Duta 90.9 Fm Ambon),” 2022.
F. V. Sari and A. Wibowo, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI,” Jurnal SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.
A. Suryana, A. I. Purnamasari, and I. Ali, “MENGOPTIMALKAN KEPUASAN PENGGUNA: ANALISIS SENTIMEN REVIEW APLIKASI GRAB DI INDONESIA,” 2024.
R. Zulfiqri, B. N. Sari, and T. N. Padilah, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI MEDIA SOSIAL INSTAGRAM PADA SITUS GOOGLE PLAY STORE MENGGUNAKAN NAÏVE BAYES CLASSIFIER,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. 2956–2973, 2024.
D. Oktavia and Y. R. Ramadahan, “Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM),” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 4, no. 1, pp. 407–417, 2023, doi: 10.30865/klik.v4i1.1040.
A. N. Kasanah, Muladi, and U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 196–201, 2019.
S. Sinaga, R. W. Sembiring, and S. Sumarno, “Penerapan Algoritma Naive Bayes untuk Klasifikasi Prediksi Penerimaan Siswa Baru,” Journal of Machine Learning and Data Analytics (MALDA), vol. 1, no. 1, pp. 55–64, 2022.
K. Anwar, “Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 4, pp. 148–155, 2022.
A. B. P. Negara, H. Muhardi, and I. M. Putri, “Analisis Sentimen Maskapai Penerbangan Menggunakan Metode Naive Bayes dan Seleksi Fitur Information Gain,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 7, no. 3, pp. 599–606, 2020, doi: 10.25126/jtiik.202071947.
M. Firmansyah, I. Dewa, and K. Yudha, “Esensi Perbedaan Metode Kualitatif Dan Kuantitatif,” Elastisitas – Jurnal Ekonomi Pembangunan, vol. 3, no. 2, pp. 156–159, 2021.
A. Syihabudin, A. Ratna Juwita, and A. Rizki Pratama, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Terhadap Produk Motor Matic Honda Beat dan Scoopy,” vol. IV, no. 1, 2023.
R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, pp. 55–60, Feb. 2023, doi: 10.47233/jteksis.v5i1.750.
