ANALISIS SENTIMEN PENGGUNA WEBSITE SISKA MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN OPTIMASI PARTICLE SWARM OPTIMIZATION

Khalidah Rossa Amaliah

doi:10.23960/jitet.v13i3.6839

Authors

Khalidah Rossa Amaliah Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.23960/jitet.v13i3.6839

Abstract Views: 31 File Views: 44

Keywords:

Analisis Sentimen, Naive Bayes, Particle Swarm Optimization

Abstract

Website SISKA merupakan sistem informasi akademik Universitas Singaperbangsa Karawang yang digunakan untuk menunjang aktivitas akademik mahasiswa. Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap aspek performa Website SISKA menggunakan algoritma Naïve Bayes, yang dioptimalkan dengan metode Particle Swarm Optimization (PSO). Data diperoleh dari kuesioner yang diisi oleh 384 mahasiswa aktif, kemudian dianalisis dengan pendekatan Knowledge Discovery in Databases (KDD) yang mencakup tahapan data selection, pre-processing, transformation menggunakan TF-IDF, data mining, dan evaluation. Untuk mengatasi ketidakseimbangan data, digunakan teknik SMOTE. Pembagian data yang digunakan adalah 80% untuk pelatihan dan 20% untuk pengujian. Hasil menunjukkan bahwa akurasi algoritma Naïve Bayes pada Website SISKA mencapai 81%, dan meningkat menjadi 82% setelah dilakukan optimasi dengan PSO. Temuan ini menunjukkan bahwa penerapan PSO dapat meningkatkan performa model klasifikasi dalam analisis sentimen, khususnya pada aspek performa sistem informasi akademik. Penelitian ini memberikan kontribusi penting dalam upaya peningkatan kualitas layanan Website SISKA melalui pemanfaatan teknik optimasi pada analisis data opini pengguna.

Downloads

Download data is not yet available.

References

Jatmiko, H. B., Kurniadi, N. T., & Maulana, D. (2022). Optimasi Naïve Bayes Dengan Particle Swarm Optimization Untuk Analisis Sentimen Formula E-Jakarta. Jurnal Informatika dan Teknik Elektro Terapan, 10(1).

Shahputri, I., & Yamasari, A. (2024). Analisis Sentimen pada Sistem Akademik. Jurnal Teknologi Informasi, 11(2).

Ramadhani, A., & Suryono, R. R. (2024). Klasifikasi Teks Menggunakan Naïve Bayes. Jurnal Sistem Informasi, 13(1).

Hasibuan, M., & Fransisca, R. (2022). Penerapan PSO pada Model Naïve Bayes untuk Deteksi Stroke. Jurnal Kesehatan dan Informatika, 8(2).

Firdaus, A., & Istalama, F. (2021). Text Mining dalam Analisis Sentimen. Jurnal Komputasi dan Informatika, 7(3).

Risawati, D., Ernawati, R., & Maryani, T. (2020). Particle Swarm Optimization: Teori dan Aplikasi. Jurnal Algoritma dan Pemrograman, 9(1).

Rahayu, T., Fauzi, A., & Rahmat, H. (2022). Analisis Klasifikasi dengan Naïve Bayes. Jurnal Teknologi dan Sistem Informasi, 10(2).

Amrullah, A., Anas, S., & Hidayat, R. (2020). Proses Pre-processing dalam Analisis Teks. Jurnal Informatika dan Data Mining, 6(4).

Pramayasa, D., Maysanjaya, R., & Indradewi, A. (2023). Penerapan SMOTE untuk Ketidakseimbangan Kelas. Jurnal Sains Komputer, 5(2).

Yang, L., & Sihotang, H. (2022). Perhitungan Jumlah Sampel dengan Rumus Lemeshow. Jurnal Statistika dan Riset Operasi, 8(1).

Sajiwo, R., Rahmat, T., & Junaidi, F. (2024). SMOTE dalam Data Mining. Jurnal Ilmu Komputer Terapan, 7(1).

Putri, D.D., Nama, G.F., & Sulistiono, W.E. (2022). Analisis Sentimen Kinerja DPR pada Twitter Menggunakan Naïve Bayes Classifier. Jurnal Informatika dan Teknik Elektro Terapan, 10(1).

Nugroho, D., & Mulyanto, R. (2021). Implementasi Naïve Bayes untuk Klasifikasi Sentimen Ulasan Produk Online. Jurnal Teknologi Informasi dan Komunikasi, 10(2).

Lestari, I., & Pratama, H. (2023). Penerapan PSO untuk Optimasi Parameter dalam Model Klasifikasi Teks. Jurnal Sains Data dan Algoritma, 5(1).

Suryani, D., & Handoko, B. (2022). Evaluasi Kinerja Algoritma Klasifikasi pada Data Ketidakseimbangan Menggunakan SMOTE. Jurnal Ilmu Komputer dan Rekayasa Sistem, 6(2).