ANALISA SENTIMEN POSITIF DAN NEGATIF PADA APLIKASI OVO DENGAN ALGORITMA NAÏVES BAYES DAN K-NEAREST NEIGHBOR (KNN)

• Opi Siti Sofiyah

---

ABSTRAK

ABSTRAK

Opi Siti Sofiyah (11182589), Analisa Sentimen Positif Dan Negatif Pada Aplikasi Ovo Dengan Algoritma Naïves Bayes Dan K-Nearest Neighbor (KNN).

Perubahaan teknologi salah satunya yaitu perkembangan teknologi dengan penerapan FinTech (Financial Technology) yang meluncurkan teknik pembayaran digital bertema E-Wallet. Dari banyaknya aplikasi E-Wallet penelitian ini akan membahas salah satunya yaitu, aplikasi OVO. Pengguna yang memakai aplikasi ini pastinya sering memberikan opininya melalui ulasan yang tersedia pada fitur aplikasi OVO yang disediakan oleh Google Play Strore. Untuk itu diperlukan pengklasifikasikan kalimat sentimen kedalam bagian positif dan negatif sebagai bentuk pertimbangan untuk memperbaiki kesalahan yang terjadi pada aplikasi. Maka diterapakan analisa sentiment dengan menggunakan metode Naïves Bayes dan K-Nearest Neighbor. Hasil yang diperoleh menggunakan metode tersebut adalah akurasi sebesar 74,88 untuk Naïves Bayes dan 82,55% untuk K-Nearest Neighbor. Disimpulkan bahwa akurasi KNearest Neighbor lebih akurat dibanding Naïves Bayes.

Kata Kunci : Analisa Sentimen, OVO, Naïves Bayes, K-Nearest Neighbor

KATA KUNCI

Algoritma Naive Bayes

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

[1] M. L. Muliadi and E. Japarianto, “Analisa Pengaruh Perceived Ease of Use Terhadap Behavior Intention Melalui Perceived Usefulness Sebagai Media Intervening Pada Digital Payment Ovo,” J. Manaj. Pemasar., vol. 15, no. 1, pp. 20–27, 2021, doi: 10.9744/pemasaran.15.1.20-27.

[2] R. Latifah and K. Heny, “Pengaruh Persepsi Manfaat, Kemudahan Penggunaan Dan Kepercayaan Terhadap Minat Penggunaan Pada Aplikasi Ovo,” J. IMAGE, vol. 10, no. 1, pp. 53–62, 2021.

[3] S. Surohman, S. Aji, R. Rousyati, and F. F. Wati, “Analisa Sentimen Terhadap Review Fintech Dengan Metode Naive Bayes Classifier Dan K- Nearest Neighbor,” EVOLUSI J. Sains dan Manaj., vol. 8, no. 1, pp. 93–105, 2020, doi: 10.31294/evolusi.v8i1.7535.

[4] T. Wiratama Putra, A. Triayudi, and A. Andrianingsih, “Analisis Sentimen Pembelajaran Daring Menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 1, pp. 20–26, 2022, doi: 10.35870/jtik.v6i1.368.

[5] A. I. Chandra, Y. Yulia, and R. Adipranata, “Aplikasi Penentu Subyek Skripsi Menggunakan Metode Support Vector Machine,” J. Infra, 2020, [Online]. Available: http://publication.petra.ac.id/index.php/teknikinformatika/article/view/10518

[6] Y. Mardi, “Data Mining?: Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.

[7] S. Vanaja, “Aspect-Level Sentiment Analysis on E-Commerce Data,” 2018 Int. Conf. Inven. Res. Comput. Appl., no. Icirca, pp. 1275–1279, 2018.

[8] A. Novandya, “Penerapan Algoritma Klasifikasi Data Mining C4.5 pada Dataset Cuaca Wilayah Bekasi,” KNiST, pp. 368–372, 2017.

[9] N. A. Rakhmawati, M. I. Aditama, R. I. Pratama, and K. H. U. Wiwaha, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19,” J. Inf. Eng. Educ. Technol., vol. 4, no. 2, pp. 90–92, 2020, doi: 10.26740/jieet.v4n2.p90-92.

[10] G. Wiwoho, “Pengaruh Perceived Usefulness Dan Perceived Ease of Use Terhadap Customer Satisfaction Dan Repurchase Intention Pengguna Aplikasi Ovo,” Fokus Bisnis Media Pengkaj. Manaj. dan Akunt., vol. 18, no. 1, pp. 53–61, 2019, doi: 10.32639/fokusbisnis.v18i1.530.

[11] S. Angra and S. Ahuja, “Implementation of data mining algorithms on student’s data using rapid miner,” Proc. 2017 Int. Conf. Big Data Anal. Comput. Intell. ICBDACI 2017, pp. 387–391, 2017, doi: 10.1109/ICBDACI.2017.8070869. 35

[12] D. Ardiansyah and W. Walim, “Algoritma c4.5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapid miner,” J. Inkofar, vol. 1, no. 2, pp. 5–12, 2018.

[13] T. M. Ma, K. Yamamori, and A. Thida, “A Comparative Approach to Naïve Bayes Classifier and Support Vector Machine for Email Spam Classification,” 2020 IEEE 9th Glob. Conf. Consum. Electron. GCCE 2020, pp. 324–326, 2020, doi: 10.1109/GCCE50665.2020.9291921.

[14] D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.

[15] Y. Tan, “An Improved KNN Text Classification Algorithm Based on KMedoids and Rough Set,” Proc. - 2018 10th Int. Conf. Intell. Human-Machine Syst. Cybern. IHMSC 2018, vol. 1, pp. 109–113, 2018, doi: 10.1109/IHMSC.2018.00032.

[16] D. Noviana, Y. Susanti, and I. Susanto, “Analisis Rekomendasi Penerima Beasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Algoritma C4.5,” Semin. Nas. Penelit. Pendidik. Mat. 2019 UMT, pp. 79–87, 2019.

[17] L. D. R. H. N. D. Utami, “Komparasi Algoritma Klasifikasi Text Mining Pada Review Restoran,” J. PILAR Nusa Mandiri, vol. 14, no. 2, pp. 261–266, 2018, [Online]. Available: www.bsi.ac.id

[18] P. D. Batlayeri et al., “ANALISIS SENTIMEN PEJUALAN JAFRA DALAM PANDEMI COVID-19,” vol. 5, no. 1, pp. 11–18, 2022.

[19] A. Fahlevi, “Proses Data Mining KDD,” Binus University, 2021. https://sis.binus.ac.id/2021/09/30/proses-data-mining-kdd/ (accessed May 31, 2022). [20] K. Fatmawati and A. P. Windarto, “Data Mining: Penerapan Rapidminer Dengan K-Means Cluster Pada Daerah Terjangkit Demam Berdarah Dengue (Dbd) Berdasarkan Provinsi,” Comput. Eng. Sci. Syst. J., vol. 3, no. 2, p. 173, 2018, doi: 10.24114/cess.v3i2.9661.