KOMPARASI METODE KLASIFIKASI PADA ANALISIS SENTIMEN USAHA WARALABA BERDASARKAN DATA TWITTER

  • Tati Mardiana Universitas Bina Sarana Informatika
  • Hafiz Syahreva Sistem Informasi STMIK Nusa Mandiri
  • Tuslaela Tuslaela Sistem Informasi STMIK Nusa Mandiri
DOI: https://doi.org/10.33480/pilar.v15i2.752
Keywords: Metode Klasifikasi, Twitter, Neural Network,, K-Nearest Neighbor, Naïve Bayes, Komparasi, Decision Tree, Franchise, Sentiment

Abstract

Saat ini usaha waralaba di Indonesia memiliki daya tarik yang relatif tinggi. Namun, para pelaku usaha banyak juga yang mengalami kegagalan. Bagi seseorang yang ingin memulai usaha perlu mempertimbangkan sentimen masyarakat terhadap usaha waralaba. Meskipun demikian, tidak mudah untuk melakukan analisis sentimen karena banyaknya jumlah percakapan di Twitter terkait usaha waralaba dan tidak terstruktur. Tujuan penelitian ini adalah melakukan komparasi akurasi metode Neural Network, K-Nearest Neighbor, Naïve Bayes, Support Vector Machine, dan Decision Tree dalam mengekstraksi atribut pada dokumen atau teks yang berisi komentar untuk mengetahui ekspresi didalamnya dan mengklasifikasikan menjadi komentar positif dan negatif.  Penelitian ini menggunakan data realtime dari  tweets pada Twitter. Selanjutnya mengolah data tersebut dengan terlebih dulu membersihkannya dari noise dengan menggunakan Phyton. Hasil  pengujian  dengan  confusion  matrix  diperoleh  nilai akurasi Neural Network sebesar 83%, K-Nearest Neighbor sebesar 52%, Support Vector Machine  sebesar 83%, dan Decision Tree sebesar 81%. Penelitian ini menunjukkan metode Support Vector Machine  dan Neural Network paling baik untuk mengklasifikasikan komentar positif dan negatif terkait usaha waralaba.

 

Downloads

Download data is not yet available.

References

Attabi, A. W., Muflikhah, L., & Fauzi, M. A. (2018). Penerapan Analisis Sentimen untuk Menilai Suatu Produk pada Twitter Berbahasa Indonesia dengan Metode Naïve Bayes Classifier dan Information Gain. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4548–4554.

Fathurahman, M. F., Windarti, A., & Purwanto, I. (2018). Pengaruh Value dan Physical Benefit Produk Waralaba Terhadap Kepuasan Konsumen. Journal of Applied Business and Economics, 4(4), 305–319.

Imanuwelita, V., Putri, R. R. M., & Amalia, F. (2018). Penentuan Kelayakan Lokasi Usaha Franchise Menggunakan Metode AHP dan VIKOR. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(1), 122–132.

Ling, J., Kencana, I. P. E., & Oka, T. B. (2014). Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square. E-Jurnal Matematika, 3(3), 92. https://doi.org/10.24843/mtk.2014.v03.i03.p070

Mardiana, T., Syahreva, H., & Tuslaela, T. (2019). Laporan Akhir Penelitian: Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter. Jakarta.

Muthia, D. A. (2017). Analisis Sentimen Pada Review Restoran Dengan Teks Bahasa Indonesia Mengunakan Algoritma Naive Bayes. Jurnalilmu Pengetahuan Dan Teknologi Komputer, 2(2), 39–45. https://doi.org/10.1515/HUMOR.2006.009

Nurhuda, F., Sihwi, S. W., & Doewes, A. (2013). Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Teknologi & Informasi ITSmart, 2(2), 35–42. https://doi.org/10.20961/its.v2i2.630

Romadloni, N. T., Santoso, I., & Budilaksono, S. (2019). Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl. Jurnal IKRA-ITH Informatika, 3(2), 1–9.

Vinodhini, G., & Chandrasekaran, R. M. (2016). A comparative performance evaluation of neural network based approach for sentiment classification of online reviews. Journal of King Saud University - Computer and Information Sciences, 28(1), 2–12. https://doi.org/10.1016/j.jksuci.2014.03.024

Widaningsih, S., & Suheri, A. (2018). Klasifikasi Jurnal Ilmu Komputer Berdasarkan Pembagian Web of Science Dengan Menggunakan Text Mining. Seminar Nasional Teknologi Informasi Dan Komunikasi 2018 (SENTIKA 2018), 2018(Sentika), 23–24.

Published
2019-09-05
How to Cite
Mardiana, T., Syahreva, H., & Tuslaela, T. (2019). KOMPARASI METODE KLASIFIKASI PADA ANALISIS SENTIMEN USAHA WARALABA BERDASARKAN DATA TWITTER. Jurnal Pilar Nusa Mandiri, 15(2), 267-274. https://doi.org/10.33480/pilar.v15i2.752
Issue
Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode September 2019
Section
Articles

Copyright (c) 2019 Tati Mardiana, Hafiz Syahreva, Tuslaela Tuslaela

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

An author who publishes in the Pilar Nusa Mandiri: Journal of Computing and Information System agrees to the following terms:

  1. Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-NonCommercial 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  2. Author is 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 the acknowledgement of its initial publication in this journal.
  3. Author is permitted and encouraged to post his/her 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 the published work (See The Effect of Open Access).
    Read more about the Creative Commons Attribution-NonCommercial 4.0 Licence here: https://creativecommons.org/licenses/by-nc/4.0/.