Analisis dan Visualisasi Berbasis Web Sentimen Pengguna Jenius Menggunakan Naïve Bayes Classifier

Penulis

  • Jimmy Pratama Setiadi Universitas STIKUBANK Semarang
  • Sugiyamta Sugiyamta Universitas STIKUBANK Semarang

DOI:

https://doi.org/10.32493/jtsi.v7i1.37981

Kata Kunci:

Analisis Sentimen; Web; Naïve Bayes Classifier; Preprocessing; Word Cloud

Abstrak

Seiiring berkembangnya teknologi, banyak muncul aplikasi perbankan digital atau Mobile Banking yang bervariatif. Mobile Banking adalah sebuah hasil inovasi kemajuan teknologi dari bidang perbankan dan Jenius merupakan salah satunya. Tingginya tingkat persaingan mendesak Jenius untuk mempertahankan keunggulan kompetitif yang dimiliki dan terus berinovasi sehingga dapat terus bertahan. Untuk mengatasi permasalahan tesebut, peneliti mengusulkan proses analisis sentimen dengan tujuan untuk memahami keiinginan dan kebutuhan dari umpan balik pengguna. Penelitian ini menggunakan algoritma Naïve Bayes Classifier sebagai metode analisis sentimen dengan hasil visualisasi yang dipresentasikan melalui web. Dataset didapatkan dengan metode Scraping dengan tiga kategori sentimen yaitu positif, netral, dan negatif. Proses pengolahan data menggunakan metode Preprocessing dengan pengujian Naïve Bayes yang dilakukan pada tiga konfigurasi data training:data testing untuk menentukan akurasi tertinggi. Hasil penelitian ini menunjukan algoritma Naïve Bayes mendapatkan tingkat akurasi tertinggi sebesar 90% dengan hasil word cloud sentimen positif yang menggambarkan kemudahan penggunaan aplikasi sebagai acuan Jenius untuk terus mempertahankan keunggulan tersebut, sedangkan word cloud sentimen netral yang menggambarkan sulitnya proses verifikasi dan word cloud sentimen negatif yang menggambarkan kinerja aplikasi yang tidak optimal sebagai bahan improvement bagi Jenius untuk meningkatkan kepuasan dan loyalitas pengguna.

Referensi

Apriani, R., & Gustian, D. (2019). Analisis Sentimen dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54-62.

Fiarni, C., Maharani, H., & Pratama, R. (2016). Sentiment Analysis System for Indonesia Online Retail Shop Review Using Hierarchy Naive Bayes Technique. Conference: 2016 4th International Conference on Information and Communication Technology (ICoICT), 212-217. https://doi.org/10.1109/ICoICT.2016.7571912

Nugroho, D. G., Chrisnanto, Y. H., & Wahana, A. (2016). Analisis Sentimen pada Jasa Ojek Online Menggunakan Metode Naïve Bayes. Prosiding Seminar Sains Nasional dan Teknologi, 1(1), 156-161.

Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 4(2), 17-29. www.femaledaily.com

Ginting, S. L. B., & Trinanda, R. P. (2013). Teknik Data Mining Menggunakan Metode Bayes Classifier untuk Optimalisasi Pencarian pada Aplikasi Perpustakaan (Studi Kasus : Perpustakaan Universitas Pasundan – Bandung). Jurnal Teknologi dan Informasi (JATI), 3(2), 37-50. https://doi.org/https://doi.org/10.34010/jati.v3i2.794

Maulana, R., Iskandar, & Mailany, M. (2018). Pengaruh Penggunaan Mobile Banking terhadap Minat Nasabah dalam Bertransaksi Menggunakan Technology Acceptance Model. Cyberspace: Jurnal Pendidikan Teknologi Informasi, 2(2), 146-155.

Natasuwarna, A. P. (2020). Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring. Techno.Com: Jurnal Teknologi Informasi, 19(4), 437-448.

Sanjaya, T. P. R., Ahmad Fauzi, & Anis Fitri Nur Masruriyah. (2023). Analisis Sentimen Ulasan pada E-Commerce Shopee Menggunakan Algoritma Naive Bayes dan Support Vector Machine. INFOTECH : Jurnal Informatika & Teknologi, 4(1), 16–26. https://doi.org/10.37373/infotech.v4i1.422

Somantri, O., & Apriliani, D. (2018). Support Vector Machine Berbasis Feature Selection untuk Sentiment Analysis Kepuasan Pelanggan terhadap Pelayanan Warung dan Restoran Kuliner Kota Tegal. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 5(5), 537-548. https://doi.org/10.25126/jtiik20185867

Lukmana, D. T., Subanti, S., & Susanti, Y. (2019). Analisis Sentimen terhadap Calon Presiden 2019 dengan Support Vector Machine di Twitter. Seminar & Conference Proceedings of UMT, 154-160.

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 1 Januari 2024

Unduhan

Diterbitkan

2024-01-30

Cara Mengutip

Setiadi, J. P., & Sugiyamta, S. (2024). Analisis dan Visualisasi Berbasis Web Sentimen Pengguna Jenius Menggunakan Naïve Bayes Classifier. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(1), 245–254. https://doi.org/10.32493/jtsi.v7i1.37981

Terbitan

Vol 7 No 1 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2024 Jimmy Pratama Setiadi, Sugiyamta Sugiyamta

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