Klasifikasi Opini Masyarakat terhadap Jasa Ekspedisi J&T Express pada Media Sosial Twitter dengan Naïve Bayes

Penulis

Kata Kunci:

J&T Express, Naïve Bayes, Analisis sentimen, Klasifikasi

Abstrak

Dengan maraknya transaksi penjualan online melalui e-commerce dan media sosial, membuat dampak yang berefek pada berubahnya perilaku konsumen. Hal ini mengakibatkan banyaknya penilaian sentimen dari para pengguna jasa ekspedisi tersebut. Jasa ekspedisi kini menjadi salah satu jasa yang paling diminati. Perusahaan jasa pengiriman yang beroperasi di Indonesia salah satunya adalah J&T Express. Melalui media sosial, khususnya Twitter dengan jumlah pengikut hingga 154.439 dan jumlah tweet hingga 103.100, seorang pengguna dapat membentuk opini terhadap kinerja J&T Express dan mendapatkan data sebanyak 1694 tweet. Algoritma pembelajaran mesin diperlukan untuk memungkinkan analisis sentimen dapat diklasifikasikan. Salah satunya adalah algoritma Naive Bayes. Sebelum menjalankan proses klasifikasi, diperlukan proses preprocessing agar dataset dapat dikenali oleh sistem. Berdasarkan pengujian yang dilakukan, didapatkan hasil akurasi sebesar 84%, precision sebesar 76%, dan recall sebesar 87%. Hasil dari riset ini menampilkan bahwa data dapat digunakan sebagai dasar mengevaluasi keputusan bisnis.

Referensi

Diamantini, C., Mircoli, A., Potena, D., & Storti, E. (2019). Social information discovery enhanced by sentiment analysis techniques. Future Generation Computer Systems, 95, 816–828. https://doi.org/10.1016/j.future.2018.01.051

Handayani, E. T., & Sulistiyawati, A. (2021). Analisis Sentimen Respon Masyarakat Terhadap Kabar Harian Covid-19 Pada Twitter Kementerian Kesehatan Dengan Metode Klasifikasi Naive Bayes. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(3), 32–37. http://jim.teknokrat.ac.id/index.php/JTSI

Handoko, W. T., Supriyanto, E., Purwadi, D. I., Budiarso, Z., & Listiyono, H. (2022). Klasifikasi Opini Pengguna Media Sosial Twitter Terhadap JNT Di Indonesia dengan Algoritma Decision Tree. Jurnal Sains Komputer & Informatika (J-SAKTI), 6(2), 790–799.

Ika, N., Kalingara, P., Pratiwi, O. N., & Anggana, H. D. (2021). Analisis Sentimen Review Customer Terhadap Layanan Ekspedisi Jne Dan J & T Express Menggunakan Metode Naïve Bayes Sentiment Analysis Review Customer of Jne and J & T Express Expedition Services Using Naïve Bayes Method. E-Proceeding of Engineering, 8(5), 9035–9048.

Irawan, F. R., Jazuli, A., Khotimah, T., Studi, P., Informatika, T., Kudus, U. M., & Neighbor, K. (2022). Analisis Sentimen terhadap Pengguna Gojek Menggunakan Metode K-Nearset Neighbors. JIKO (Jurnal Informatika Dan Komputer), 5(1), 62–68. https://doi.org/10.33387/jiko

Lesmana, R., & Andarsyah, R. (2022). Model Klasifikasi Multinomial Naïve Bayes Untuk Analisis Sentiment Terkait Non-Fungible Token. Jurnal Teknik Informatika, 14(3), 135–139.

Nurul Hidayah, Y., & Sahibu, S. (2021). Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 820–826. https://doi.org/10.29207/resti.v5i4.3146

Puh, K., & Bagic Babac, M. (2022). Predicting sentiment and rating of tourist reviews using machine learning. Journal of Hospitality and Tourism Insights, 6(3), 1188–1204. https://doi.org/10.1108/JHTI-02-2022-0078

Ruz, G. A., Henríquez, P. A., & Mascareño, A. (2020). Sentiment analysis of Twitter data during critical events through Bayesian networks classifiers. Future Generation Computer Systems, 106, 92–104. https://doi.org/10.1016/j.future.2020.01.005

Singh, G., Kumar, B., Gaur, L., & Tyagi, A. (2019). Comparison between Multinomial and Bernoulli Naïve Bayes for Text Classification. 2019 International Conference on Automation, Computational and Technology Management, ICACTM 2019, 593–596. https://doi.org/10.1109/ICACTM.2019.8776800

Verawati, I., & Audit, B. S. (2022). Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By . u. 6, 1411–1417. https://doi.org/10.30865/mib.v6i3.4132

Yutika, C. H., & Faraby, S. Al. (2021). Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes. 5(April), 422–430. https://doi.org/10.30865/mib.v5i2.2845

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 6 No. 3 Juli 2023

Unduhan

Diterbitkan

2023-07-30

Cara Mengutip

Ansyahry, B. R., & Al Amin, I. H. (2023). Klasifikasi Opini Masyarakat terhadap Jasa Ekspedisi J&T Express pada Media Sosial Twitter dengan Naïve Bayes. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 6(3), 402–407. Diambil dari https://openjournal.unpam.ac.id/index.php/JTSI/article/view/30878

Terbitan

Vol 6 No 3 (2023): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2023 Bramantyo Ridho Ansyahry, Imam Husni Al Amin

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Jurnal Teknologi Sistem Informasi dan Aplikasi have CC BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Teknologi Sistem Informasi dan Aplikasi recognize that free access is better than priced access, libre access is better than free access, and libre under CC BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License

YOU ARE FREE TO:

  • Adapt - remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms