ANALISIS REVIEW PENGGUNA GOOGLE MEET DAN ZOOM CLOUD MEETING MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR

• MUHAMMAD REZKI
• 14002242

---

ABSTRAK

ABSTRAK

Nama               : Muhammad Rezki

NIM                : 14002242

Program Studi : Ilmu Komputer

Jenjang            : Strata Dua (S2)

 

Analisis Review Pengguna Google Meet Dan Zoom Cloud  Meeting Menggunakan Algoritma Naïve Bayes Dan K-Nearest Neighbor

Konsentrasi     : Data Mining

Judul               :

 

 

Penilaian Sebuah Aplikasi di Playstore memiliki tujuan untuk memberikan ulasan tentang kelebihan dan kekurangan dalam penggunaan aplikasi khsusunya virtual video conference. Untuk mengetahui sejauh mana analisa review pengguna aplikasi Google Meet dan Zoom Cloud Meeting berdasarkan pemberian jumlah bintang dengan menggunakan teknik klasifikasi yaitu perbandingan Algoritma Naïve Bayes dan k-Nearest Neighbor (k-NN) dengan feature optimasi SMOTE Upsampling dan PSO. Hasil pengujian dengan metode 5 kelas mendapatkan hasil akurasi sebesar 77,92 % dengan menggunakan metode algoritma K-Nearest Neighbor yang ditambah dengan Feature Smote dan PSO untuk pengguna Zoom Cloud Meeting, sedangkan untuk pengguna Google Meet dengan metode yang sama yaitu K-Nearest Neighbor yang ditambah dengan Feature Smote dan PSO­ hanya mampu mendapat tingkat akurasi sebesar 73,84 %. sedangkan untuk pengujian dengan metode 2 kelas mendapatkan nilai akurasi tertinggi sebesar 91,56 % untuk pengguna Zoom Cloud Meeting dengan menggunakan algoritma K-Nearest Neighbor (k-NN).

 

Kata Kunci:

Text Mining, Algoritma Naive Bayes, k-Nearest Neighbor (k-NN), SMOTE Upsampling dan Particle Swarm Optimization (PSO)

KATA KUNCI

Naive Bayes,K-Nearest Neighbor

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

 

[1]      F. Gunawan, M. A. Fauzi, and P. P. Adikara, “Analisis Sentimen Pada Ulasan Aplikasi Mobile Menggunakan Naïve Bayesdan Normalisasi Kata Berbasis Levenshtein Distance (Studi Kasus Aplikasi BCA Mobile),” Syst. Inf. Syst. Informatics J., vol. 3, no. 2, pp. 1–6, 2017, doi: 10.29080/systemic.v3i2.234.

[2]      A. Salam, J. Zeniarja, and R. S. U. Khasanah, “Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia),” Pros. SINTAK, pp. 480–486, 2018.

[3]      U. Rofiqoh, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1725–1732, 2017, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/628.

[4]      Muljono, D. P. Artanti, A. Syukur, A. Prihandono, and D. R. I. M. Setiadi, “Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes,” pp. 8–9, 2018.

[5]      A. Darmawan and S. Syamsiah, “Analisa Model Support Vector Machine Textmining pada Komentar Positif dan Negatif untuk Review PerbandinganWhatsapp Vs BBM,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 1, no. 1, pp. 74–82, 2016, doi: 10.30998/string.v1i1.971.

[6]      S. Hanggara, T. M. Akhriza, and M. Husni, “APLIKASI WEB UNTUK ANALISIS SENTIMEN PADA OPINI PRODUK DENGAN METODE NAÏVE BAYESCLASSIFIER,” Semin. Nas. Inov. Dan Apl. Teknol. Di Ind., vol. 4, no. 2, p. A33.1-A33.6, 2017.

[7]      W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017, doi: 10.1074/jbc.M209498200.

[8]      A. Sari, F. V., & Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd. Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 2, no. 2, pp. 681–686, 2019.

[9]      G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” Integer J. Maret, vol. 1, no. 1, pp. 32–41, 2017, [Online]. Available: https://www.researchgate.net/profile/Ghulam_Buntoro/publication/316617194_Analisis_Sentimen_Calon_Gubernur_DKI_Jakarta_2017_Di_Twitter/links/5907eee44585152d2e9ff992/Analisis-Sentimen-Calon-Gubernur-DKI-Jakarta-2017-Di-Twitter.pdf.

[10]    S. Fanissa, M. A. Fauzi, and S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naïve Bayesdan Seleksi Fitur Query Expansion Ranking,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2766–2770, 2018, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1962.

[11]    M. W. Pertiwi, “Analisis sentimen opini publik mengenai sarana dan transportasi mudik tahun 2019 pada twitter menggunakan algoritma Naïve Bayes, neural network, KNN dan SVM,” Inti Nusa Mandiri, vol. 14, no. 1, pp. 27–32, 2019.

[12]    A. M. F. Hulu and K. M. Lhaksmana, “Analisis Sentimen pada Twitter Menggunakan Metode Support Vector Machine,” Semin. Nas. Teknol. Fak. Tek. Univ. Krisnadwipayana, vol. 1, no. 1, pp. 739–742, 2019.

[13]    G. Gunadi and D. I. Sensuse, “Penerapan Metode Data Mining Market Basket Analysis Terhadap Data Penjualan Produk Buku Dengan Menggunakan Algoritma Apriori Dan Frequent Pattern Growth ( Fp-Growth )?: STUDI KASUS PERCETAKAN PT. GRAMEDIA,” Telematika, vol. 4, no. 1, pp. 118–132, 2012.

[14]    Maharani et al., “IMPLEMENTASI DATA MINING UNTUK PENGATURAN LAYOUT MINIMARKET DENGAN MENERAPKAN ASSOCIATION RULE,” vol. 4, no. 4, pp. 6–11, 2017.

[15]    Y. Mardi, “Data Mining?: Klasifikasi Menggunakan Algoritma C4.5,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2017.

[16]    G. Abdillah, F. A. Putra, and F. Renaldi, “Penerapan Data Mining Pemakaian Air Pelanggan Untuk Menentukan Klasifikasi Potensi Pemakaian Air Pelanggan Baru Di Pdam Tirta Raharja Menggunakan Algoritma K-Means,” Sentika 2016, vol. 2016, no. Sentika, pp. 18–19, 2016.

[17]    Hartanto, “Text Mining Dan Sentimen Analisis Twitter Pada Gerakan Lgbt,” Intuisi  J. Psikol. Ilm., vol. 9, no. 1, pp. 18–25, 2017.

[18]    N. L. Ratniasih, M. Sudarma, and N. Gunantara, “Penerapan Text Mining Dalam Spam Filtering Untuk Aplikasi Chat,” Maj. Ilm. Teknol. Elektro, vol. 16, no. 3, p. 13, 2017, doi: 10.24843/mite.2017.v16i03p03.

[19]    I. A. Marie, L. Hakim, D. Sugiarto, and W. Septiani, “Perbandingan Performansi Teknik Klasifikasi Breakdown Mesin pada Proses Produksi Pembuatan Battery Mobil,” J. Ilm. Tek. Ind., vol. 18, no. 1, pp. 33–41, 2019, doi: 10.23917/jiti.v18i1.7232.

[20]    M. M. Saritas and A. Yasar, “Performance Analysis of ANN and Naïve BayesClassification Algorithm for Data Classification,” Faraday Discuss., vol. 2, no. 7, pp. 88–91, 2019, doi: 10.1039/b000000x.

[21]    Sulastri and Y. S. Nugroho, “Penerapan Data Mining Untuk Prediksi Rating Penjualan Buku Menggunakan Metode Naive Bayes,” Duta.com, vol. 12, no. 2, pp. 57–72, 2017.

[22]    Minarni and P. Irawan, “Implementasi Metode Naïve BayesUntuk Diagnosa Penyakit Lambung,” J. TEKNOIF, vol. 9986, no. September, pp. 115–123, 2019, doi: 10.21063/JTIF.2019.V7.2.

[23]    J. Riany, M. Fajar, and M. P. Lukman, “Penerapan Deep Sentiment Analysis pada Angket Penilaian Terbuka Menggunakan K-Nearest Neighbor,” Sisfo, vol. 06, no. 01, pp. 147–156, 2016, doi: 10.24089/j.sisfo.2016.09.011.

[24]    E. Hardiyanto and F. Rahutomo, “STUDI AWAL KLASIFIKASI ARTIKEL WIKIPEDIA BAHASA INDONESIA DENGAN MENGGUNAKAN METODA K NEAREST NEIGHBOR,” vol. 27, no. 1, pp. 15–16, 2016.

[25]    N. H. A. Sari, M. A. F. Fauzi, and P. P. Adikara, “Klasifikasi Dokumen Sambat Online Menggunakan Metode K-Nearest Klasifikasi Dokumen Sambat Online Menggunakan Metode K-Nearest Neighbor dan Features Selection Berbasis Categorical Proportional Difference,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. August, pp. 2449–2454, 2018.

[26]    A. Zanuardi and H. Suprayitno, “Analisa Karakteristik Kecelakaan Lalu Lintas di Jalan Ahmad Yani Surabaya melalui Pendekatan Knowledge Discovery in Database,” J. Manejemen Aset Infrastruktur Fasilitas, vol. 2, no. 1, pp. 45–55, 2018, doi: 10.12962/j26151847.v2i1.3767.

[27]    L. Ardiantoro, S. Zahara, and N. Sunarmi, “Pemanfaatan Knowledge Data Discovery(KDD) Pada Pola Permainan Atlet Bulutangkis,” Explor. IT  J. Keilmuan dan Apl. Tek. Inform., vol. 11, no. 1, pp. 1–6, 2019, doi: 10.35891/explorit.v11i1.1467.

[28]    A. Putra, “SOLUSI PREDIKSI MAHASISWA DROP OUT PADA PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS BINA DARMA,” SIMETRIS, vol. 8, no. 3, pp. 177–184, 2017, doi: 10.1103/PhysRevE.94.033206.

[29]    S. Haryati, A. Sudarsono, and E. Suryana, “IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: UNIVERSITAS DEHASEN BENGKULU),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.

[30]    N. P. Wong, F. N. S. Damanik, E. S. Jaya, and R. Rajaya, “Perbandingan Algoritma C4 . 5 dan Classification and Regression Tree ( CART ) Dalam Menyeleksi Calon Karyawan,” vol. 20, no. 1, pp. 11–18, 2019.

[31]    N. Abdulloh and A. F. Hidayatullah, “Deteksi Cyberbullying pada Cuitan Media Sosial Twitter,” vol. Vol 1, No, 2019.

[32]    M. F. Mujaddid, Adiwijaya, and S. Al-faraby, “ANALISIS CHURN PREDICTION MENGGUNAKAN METODE LOGISTIC REGRESSION DAN SMOTE (Synthetic Minority Over-sampling Technique) PADA PERUSAHAAN TELEKOMUNIKASI,” vol. 4, no. 3, pp. 5046–5054, 2017.

[33]    J. Mathew, M. Luo, C. K. Pang, and H. L. Chan, “Kernel-based SMOTE for SVM classification of imbalanced datasets,” IECON 2015 - 41st Annu. Conf. IEEE Ind. Electron. Soc., pp. 1127–1132, 2015, doi: 10.1109/IECON.2015.7392251.

[34]    H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 180, 2017, doi: 10.25126/jtiik.201743251.

[35]    R. F. Margeritha, R. S. Hartati, and N. P. Satriya Utama, “Analisis Penyambungan Distributed Generation Guna Meminimalkan Rugi-Rugi Daya Menggunakan Metode Particle Swarm Optimization (PSO),” Maj. Ilm. Teknol. Elektro, vol. 16, no. 3, p. 122, 2017, doi: 10.24843/mite.2017.v16i03p19.

[36]    B. Rahmat C.T.I. et al., “Implemetasi k-means clustering pada rapidminer untuk analisis daerah rawan kecelakaan,” Semin. Nas. Ris. Kuantitatif Terap. 2017, no. April, pp. 58–60, 2017.

[37]      M. S. Dr. J.R. Raco, M.E., “Metode Penelitian Kualitatif: Jenis, Karakteristik dan Keunggulannya,” 2010.