Analisis Sentimen Ulasan Aplikasi Flip Menggunakan Naïve Bayes dengan Seleksi Fitur PSO

Article Sidebar

PDF
Published: Nov 24, 2022
DOI: https://doi.org/10.46772/intech.v4i02.868
Keywords:
Ulasan Aplikasi Flip, Sentimen Analisis, Naïve Bayes, Fiture Seleksi, Particle Swarm Optimization

Main Article Content

Oky Irnawati
Program Studi Teknik Elektro, Fakultas Teknik dan Informatika, Universitas Bina Sarana Informatika
Kusmayanti Solecha
Program Studi Teknologi Informasi, Fakultas Teknik dan Informatika, Universitas Bina Sarana Informatika

Abstract

Ulasan mengenai sebuah aplikasi dapat menjadi referensi bagi pengguna lain, dapat juga menjadi masukan bagi perusahaan aplikasi untuk evaluasi guna perbaikan dan peningkatan layanan. Aplikasi bidang perbankan yang saat ini banyak digunakan karena penggunaannya dapat memangkas biaya admin transaksi transfer antar bank yaitu aplikasi flip. Ulasan mengenai aplikasi flip ini dapat di ekstrak sehingga informasi didalamnya dapat dipelajari dengan menggunakan analisis sentimen data mining klasifikasi. Salah satu algoritma yang dapat diterapkan adalah naïve bayes. Namun data dalam bentuk text memiliki permasalahan fitur yang menyebabkan data menjadi tidak relevan dan dapat mengurangi akurasi. Hal inilah yang menyebabkan dibutuhkannya seleksi fitur untuk peningkatan akurasi naïve bayes yaitu menggunakan Particle Swarm Optimization (PSO). Pada penelitian ini ulasan mengenai aplikasi flip yaitu 200 dataset yang dibagi menjadi 100 data positif dan 100 data negatif diolah menggunakan rapid miner dengan menerapkan metode naïve bayes yang dioptimasi dengan PSO. Hasil pengolahan menggunakan naïve bayes 82,00%, kemudian di optimasi dengan PSO  dan didapatkan hasil 88,24%.

Article Details

How to Cite
Irnawati, O., & Solecha, K. (2022). Analisis Sentimen Ulasan Aplikasi Flip Menggunakan Naïve Bayes dengan Seleksi Fitur PSO. Jurnal Ilmiah Intech : Information Technology Journal of UMUS, 4(02), 189–199. https://doi.org/10.46772/intech.v4i02.868
Issue
Vol. 4 No. 02 (2022): November
Section
Articles
Creative Commons License

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

References

A. P. Maharani and A. Triayudi, “Sentiment Analysis of Indonesian Digital Payment Customer Satisfaction Towards GOPAY, DANA, and ShopeePay Using Naïve Bayes and K-Nearest Neighbour Methods,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 672, 2022, doi: 10.30865/mib.v6i1.3545.

P. Maindola, N. Singhal, and A. D. Dubey, “Sentiment Analysis of Digital Wallets and UPI Systems in India Post Demonetization Using IBM Watson,” 2018 Int. Conf. Comput. Commun. Informatics, ICCCI 2018, pp. 1–6, 2018, doi: 10.1109/ICCCI.2018.8441441.

W. A. Deviani, K. Kusumahadi, and E. Nurhazizah, “Service Quality For Digital Wallet In Indonesia Using Sentiment Analysis And Topic Modelling,” Int. J. Bus. Technol. Manag., vol. 4, no. 1, pp. 46–58, 2022, doi: 10.55057/ijbtm.2022.4.1.6.

D. A. Kristiyanti, D. A. Putri, E. Indrayuni, A. Nurhadi, and A. H. Umam, “E-Wallet Sentiment Analysis Using Naïve Bayes and Support Vector Machine Algorithm,” J. Phys. Conf. Ser., vol. 1641, no. 1, 2020, doi: 10.1088/1742-6596/1641/1/012079.

H. Wisnu, M. Afif, and Y. Ruldevyani, “Sentiment analysis on customer satisfaction of digital payment in Indonesia: A comparative study using KNN and Naïve Bayes,” J. Phys. Conf. Ser., vol. 1444, no. 1, 2020, doi: 10.1088/1742-6596/1444/1/012034.

B. Andrian, T. Simanungkalit, I. Budi, and A. F. Wicaksono, “Sentiment Analysis on Customer Satisfaction of Digital Banking in Indonesia,” Int. J. Adv. Comput. Sci. Appl., vol. 13, no. 3, pp. 466–473, 2022, doi: 10.14569/IJACSA.2022.0130356.

S. Masturoh and A. B. Pohan, “Sentiment Analysis Against the Dana E-Wallet on Google Play Reviews Using the K-Nearest Neighbor Algorithm,” J. Pilar Nusa Mandiri, vol. 17, no. 1, pp. 53–58, 2021, [Online]. Available: www.bsi.ac.id.

H. Sudira, A. L. Diar, and Y. Ruldeviyani, “Instagram Sentiment Analysis with Naive Bayes and KNN: Exploring Customer Satisfaction of Digital Payment Services in Indonesia,” 2019 Int. Work. Big Data Inf. Secur. IWBIS 2019, pp. 21–26, 2019, doi: 10.1109/IWBIS.2019.8935700.

D. A. Putri, D. A. Kristiyanti, E. Indrayuni, A. Nurhadi, and D. R. Hadinata, “Comparison of Naive Bayes Algorithm and Support Vector Machine using PSO Feature Selection for Sentiment Analysis on E-Wallet Review,” J. Phys. Conf. Ser., vol. 1641, no. 1, 2020, doi: 10.1088/1742-6596/1641/1/012085.

H. Harliana, R. M. H. Bhakti, O. S. Bachri, and F. S. Efendi, “Optimasi K-Means dengan Particle Swarm Optimization pada Pengelompokkan Daerah Stunting,” J. Ilm. Intech Inf. Technol. J. UMUS, vol. 3, no. 02, pp. 95–101, 2021, doi: 10.46772/intech.v3i02.457.

Alfaridzi, M. Alfin, Agyztia Premana, and Nur Ariesanto Ramdhan. "Aplikasi Berbasis WEB-Realtime Pemantauan Coronavirus Disease 2019 (COVID-19)." Jurnal Ilmiah Intech: Information Technology Journal of UMUS 3.01 (2021): 50-57.

S. Ernawati, “Penerapan Particle Swarm Optimization Untuk Seleksi Fitur Pada Analisis Sentimen Review Perusahaan Penjualan Online Menggunakan Naïve Bayes,” J. Evolusi, vol. 4, no. 1, pp. 45–54, 2016.