ANALISIS SENTIMEN PENGGUNA KRL TERHADAP KAI COMMUTER LINE MELALUI SOSIAL MEDIA X DENGAN ALGORITMA NAIVE BAYES CLASSIFIER

Risa Nur Fitriyani

doi:10.23960/jitet.v13i3S1.7539

Authors

Risa Nur Fitriyani Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.23960/jitet.v13i3S1.7539

Abstract Views: 182 File Views: 64

Keywords:

Sentiment Analysis, Naive Bayes, KRL

Abstract

KRL merupakan sistem transportasi yang diandalkan berbagai kalangan untuk bepergian, tiap tahunnya pengguna KRL mengalami kenaikan penumpang. Dengan bertambahnya penumpang tiap tahun, opini yang muncul terkait KAI Commuter Line semakin beragam, baik opini positif maupun negatif, sehingga diperlukan analisis terkait opini pengguna KRL terhadap KAI Commuter Line. Penting untuk memahami sentimen pengguna bagi pemegang kebijakan sehingga dapat menanggulangi persepsi negatif yang muncul. Penelitian ini bertujuan untuk menganalisis sentimen pengguna KRL dan mengukur tingkat akurasi algoritma Naïve Bayes dalam mengklasifikasikan teks. Penelitian ini menggunakan metodologi penelitian Knowledge Discovery in Database (KDD) untuk menemukan informasi yang penting yang berguna. Pengumpulan data dilakukan dengan teknik crawling pada sosial media X dengan bantuan tools harvest-tweet. Pada analisis dengan 909 data bersih dari 6.175 data yang terkumpul, terdapat 485 sentimen positif dan 424 sentimen negatif. Pada hasil evaluasi akurasi, ditemukan bahwa pembagian data dengan rasio 80:20 mendapatkan hasil akurasi tertinggi sebesar 79%.

Downloads

Download data is not yet available.

References

A. W. Utomo dan U. Umar, “Analisis Efektivitas Kapasitas Daya Gardu Traksi Terhadap Kebutuhan KRL Jalur Yogyakarta - Solo,” Emit. J. Tek. Elektro, vol. 22, no. 1, hal. 1–7, 2022, doi: 10.23917/emitor.v22i1.14861.

K. A. I. Commuter, “Catat Rekor Volume Tertinggi, KAI Commuter Layani 1,13 Juta Pengguna pada Awal Minggu Juli 2024, KAI Commuter Layani 156.816.151 Orang pada Semester 1 Tahun 2024.” [Daring]. Tersedia pada: https://commuterline.id/informasi-publik/berita/catat-rekor-volume-tertinggi-kai-commuter-layani-1-13-juta-pengguna-pada-awal-minggu-juli-2024-ini-kai-commuter-layani-156-816-151-orang-pada-semester-1-tahun-2024

A. Sukmawijaya, G. Rahmatika, dan K. Bisnis, Ed., “Jumlah Penumpang KRL Diprediksi Membeludak, Tembus 410 Juta Orang hingga 2027.” [Daring]. Tersedia pada: https://kumparan.com/kumparanbisnis/jumlah-penumpang-krl-diprediksi-membeludak-tembus-410-juta-orang-hingga-2027-20mE7Vb3sGy

S. Sahara dan B. N. A. Nugroho, “Efektivitas Penggunaan Kereta Listrik (KRL) Commuter Line Jabodetabek Untuk Mengurangi Kemacetan Di DKI Jakarta,” Ekon. J. Ilm. Manajemen, Ekon. Bisnis, Kewirausahaan, vol. 10, no. 2, hal. 415–426, 2023, doi: 10.30640/ekonomika45.v11i1.1926.

Kompas.com, “Makin Nyaman, Kereta Commuter Line Masih Jadi Pilihan Masyarakat Selama Masa Angkutan Lebaran 2025.” [Daring]. Tersedia pada: https://nasional.kompas.com/read/2025/04/06/14475891/makin-nyaman-kereta-commuter-line-masih-jadi-pilihan-masyarakat-selama-masa?page=all

Jakarta.nu, “Kepadatan Penumpang KRL di Jam Sibuk Masih Menjadi Masalah,” 2024. [Daring]. Tersedia pada: https://jakarta.nu.or.id/jakarta-raya/kepadatan-penumpang-krl-di-jam-sibuk-masih-menjadi-masalah-vPUPC

I. Hidayati, “Beyond traffic jams: public perceptions of Jabodetabek Commuter Line (KRL) System for sustainable urban development,” in IOP Conference Series: Earth and Environmental Science, Jakarta: Institute of Physics, 2023. doi: 10.1088/1755-1315/1263/1/012027.

F. S. Pattiiha dan H. Hendry, “Perbandingan Metode K-NN, Naïve Bayes, Decision Tree untuk Analisis Sentimen Tweet Twitter Terkait Opini Terhadap PT PAL Indonesia,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 2, hal. 506, 2022, doi: 10.30865/jurikom.v9i2.4016.

D. R. Wijaya, G. M. A. Sasmita, dan W. O. Vihikan, “Sentiment Analysis of Indonesian Citizens on Electric Vehicle Using FastText and BERT Method,” vol. 6, no. 3, hal. 1360–1372, 2024, doi: 10.51519/journalisi.v6i3.784.

D. Azzahra dan B. Priyono, “Informasi KRL Access dan Kualitas Pelayanan Terhadap Kepuasan Pelanggan KRL Commuter Line di Jabodetabek,” J. Bus. Adm. Econ. Entrep., vol. 5, no. 2, hal. 95–106, 2023, [Daring]. Tersedia pada: https://jurnal.stialan.ac.id/index.php/jbest/article/view/709

T. Andriyani, “Medsos Jadi Sarana Penyampaian Pesan dan Kritik Sosial Kalangan Anak Muda.” [Daring]. Tersedia pada: https://ugm.ac.id/id/berita/medis-sosial-jadi-sarana-penyampaian-pesan-dan-kritik-sosial-kalangan-anak-muda/

M. Riswan, A. Primajaya, dan A. Y. S. Irawan, “ANALISIS SENTIMEN TERHADAP PEMBERITAAN HASIL REKAPITULASI PEMILU PRESIDEN 2024 PADA MEDIA SOSIAL INSTAGRAM MENGGUNAKAN NAIVE,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 1, hal. 203–2011, 2025, [Daring]. Tersedia pada: https://journal.eng.unila.ac.id/index.php/jitet/article/view/5559

J. Supriyanto, D. Alita, dan A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 4, no. 1, hal. 74–80, 2023, doi: 10.33365/jatika.v4i1.2468.

D. E. Ratnawati, N. Y. Setiawan, P. Studi, S. Informasi, F. I. Komputer, dan U. Brawijaya, “ANALISIS SENTIMEN PENGGUNA SOSIAL MEDIA TWITTERX TERHADAP ACARA CLASH OF CHAMPIONS MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES,” vol. 9, no. 3, hal. 1–10, 2025.

O. I. Gifari, M. Adha, F. Freddy, dan F. F. S. Durrand, “Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine,” J. Inf. Technol., vol. 2, no. 1, hal. 36–40, 2022.

A. Ridhovan dan A. Suharso, “Penerapan Metode Residual Network (Resnet) Dalam Klasifikasi Penyakit Pada Daun Gandum,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 1, hal. 58–65, 2022, doi: 10.29100/jipi.v7i1.2410.

D. Bona dan B. N. Sari, “Implementasi Jaringan Hierarki Attention Untuk Klasifikasi Basis Data Multimodal Biometrik,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 3, hal. 632–638, 2022, doi: 10.29100/jipi.v7i3.2879.

Khoirunnisa Hamidah dan A. Voutama, “Analisis Faktor Tingkat Kebahagiaan Negara Menggunakan Data World Happiness Report dengan Metode Regresi Linier.,” Explor. IT J. Keilmuan dan Apl. Tek. Inform., vol. 15, no. 1, hal. 1–7, 2023, doi: 10.35891/explorit.v15i1.3874.

S. A. Rizaldi, S. Alam, dan I. Kurniawan, “Analisis Sentimen Pengguna Aplikasi JMO (Jamsostek Mobile) Pada Google Play Store Menggunakan Metode Naive Bayes,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, hal. 109–117, 2023, doi: 10.55123/storage.v2i3.2334.

S. A. Putra dan A. Wijaya, “Analisis Sentimen Artificial Intelligence (Ai) Pada Media Sosial Twitter Menggunakan Metode Lexicon Based,” JuSiTik J. Sist. dan Teknol. Inf. Komun., vol. 7, no. 1, hal. 21–28, 2023, doi: 10.32524/jusitik.v7i1.1042.

M. H. Maulana, “Python Bahasa Pemrograman Yang Ramah Bagi Pemula,” JISCO (Journal Inf. Syst. Comput., vol. 2, no. 2, hal. 73–78, 2024, [Daring]. Tersedia pada: https://jurnal.fst.uinjambi.ac.id/index.php/jisco/index

BMKG, Prediksi Musim Hujan 2024/2025. Jakarta: BMKG, 2024. [Daring]. Tersedia pada: https://www.bmkg.go.id/iklim/prediksi-musim/prakiraan-musim-hujan-2024-2025-di-indonesia

K. A. I. Commuter, “KAI Commuter Catat Rapor Positif, Layani 1,2 Juta Pengguna Commuter Line Jelang Tahun Baru 2025.” [Daring]. Tersedia pada: https://www.commuterline.id/id/informasi-publik/berita/kai-commuter-catat-rapor-positif-layani-1-2-juta-pengguna-commuter-line-jelang-tahun-baru-2025