Penerapan Naive Bayes Classifier untuk Analisis sentimen Ulasan Pelanggan pada Frenz Accessories Handphone
DOI:
https://doi.org/10.35473/jamastika.v3i2.3245Abstract
Frenz Accessories Handphone adalah sebuah perusahaan yang bergerak di industri penjualan aksesoris HP dengan 200 cabang yang tersebar di pulau Jawa. Frenz sangat menghargai pendapat pelanggan terkait produk dan layanan yang mereka sediakan untuk meningkatkan kepuasan pelanggan dalam menghadapi persaingan industri yang semakin ketat. Namun, data ulasan pelanggan dengan volume yang terus meningkat di platform online seperti Google Maps membutuhkan waktu yang lama untuk mengetahui polaritas ulasan positif atau negatif secara manual. Oleh karena itu, diperlukan model analisis sentimen akurat yang dapat mengklasifikasikan ulasan pelanggan. Penelitian ini menggunakan metode Naive Bayes Classifier karena efisiensi dan kemampuannya yang handal dalam menangani klasifikasi teks dengan volume data yang besar. Algoritma ini sederhana namun efektif, memberikan hasil yang cepat dan akurat dengan komputasi yang relatif rendah. Alur metode ini dimulai dari pengumpulan data, data understanding, preprocessing text, data visualization, data preparation, dan modelling. Dataset yang digunakan untuk membangun model analisis sentimen adalah data ulasan pelanggan Frenz dari Google Maps sebanyak 1.311 data. Analisis sentimen dalam setiap aspek menghasilkan nilai akurasi sebesar 98% pada aspek Pelayanan, 100% pada aspek Kualitas, dan 82% pada aspek Barang. Hasil klasifikasi analisis sentimen divisualisasikan dalam bentuk dashboard yang dilengkapi dengan filter berdasarkan waktu, aspek, dan sentimen.
References
Aditya, D. (2013). Data dan Metode Pengumpulan Data. Surakarta: Jurusan Akupunktur Poltekkes Kemenkes Surakarta.
Astuti, T., & Astuti, Y. (2022). Analisis Sentimen Review Produk Skincare Dengan Naïve Bayes Classifier Berbasis Particle Swarm Optimization (PSO). Jurnal Media Informatika Budidarma, 6(4), 1806-1815.
Bungin, B. (2017). Penelitian Kualitatif: Komunikasi, Ekonomi, Kebijakan Publik, dan Ilmu Sosial Lainnya. Jakarta: Kencana.
Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika, 4(2), 113. Retrieved from https://jurnal.untan.ac.id/index.php/jepin/article/view/27526.
Hexahost. (2023). Text preprocessing: Apa itu, mengapa penting, dan bagaimana melakukannya? Admin Hexahost. Retrieved June 19, 2024, from https://hexahost.id/pengertian-text-preprocessing/.
Kaka, O., Putra Tanggu Mara, A. A., & Rato, K. W. (2023). Analisis sentimen dampak perkembangan teknologi informasi dan komunikasi terhadap kemajuan belajar siswa SMK Rada Pamba dengan metode Naive Bayes. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 6(3), 191-199. Retrieved from https://ejournal.sisfokomtek.org/index.php/jikom.
Laraswati, B. D. (2022). Data preparation atau data preprocessing adalah proses mengumpulkan, menggabungkan, menyusun, dan mengatur data sehingga bisa dipakai dalam aplikasi business intelligence (BI), analitik, dan visualisasi data. Algoritma. Retrieved June 19, 2024, from https://blog.algorit.ma/data-preparation/.
Liu, B. (2010). Handbook of Natural Language Processing, Chapter Sentiment Analysis and Analysis, 2nd Edition. Chapman & Hall / CRC Press.
Muzaki, A., & Witanti, A. (2021). Sentiment analysis of the community in the Twitter to the 2020 election in pandemic COVID-19 by method Naïve Bayes Classifier. Jurnal Teknik Informatika (JUTIF), 2(2), 101-107. https://doi.org/10.20884/1.jutif.2021.2.2.51.
Permadi, V. A. (2020). Analisis sentimen menggunakan algoritma Naive Bayes terhadap review restoran di Singapura. Jurnal Buana Informatika, 11(2), 141. Retrieved from https://ojs.uajy.ac.id/index.php/jbi/article/view/3769.
Rahayu, A. (2022). Data understanding. Retrieved May 2024, from https://binus.ac.id/malang/2022/03/data-understanding/.
Rahmawaty, R. N., Indrayana, D., & Pambudi, A. (2024). Penerapan metode Naïve Bayes dan Cosine Similarity dalam analisis sentimen terhadap platform film ilegal di media sosial X (Twitter). JAMASTIKA, 3(1), 221.
Rohmah, M. (2024, March 21). Data visualization: Pengertian, fungsi & manfaatnya. Dibimbing. Retrieved June 19, 2024, from https://dibimbing.id/blog/detail/pengertian-data-visualization-fungsi-manfaatnya.
Sari, A., Prasetya, D. A., Al Haromainy, M. M., Aditiawan, F. P., Sihananto, A. N., & SJ Saputra, W. (2022). Analisis Faktor Kesuksesan Penggunaan eBelajar Menggunakan Metode Hot-Fit di STIKI Malang. Prosiding Seminar Nasional Sains Data, 2(1), 92-102. Retrieved from https://prosiding-senada.upnjatim.ac.id/index.php/senada/article/view/54.
Saurina, N., Rahayuningsih, T., & Retnawati, L. (2022). Analisis Sentimen Ulasan Pelanggan Batik Ecoprint Menggunakan Naïve Bayes dan KNN Classifier. Jurnal Teknik Informatika dan Sistem Informasi, 9(2), 1532-1542. Retrieved from https://jurnal.mdp.ac.id/index.php/jatisi/article/view/1483.
