Analisis Sentimen Masyarakat Terhadap Tweet Ruang Guru Menggunakan Algoritma Naive Bayes Classifier (NBC)
Main Article Content
Abstract
Pembalajaran online di masa modern kala ini telah menjadi kebutuhan primer bagi pelajar. Ruang guru Sebagai aplikasi penyedia layanan pendidikan terbesar di Indonesia tentu perlu melakukan sebuah evaluasi kebergunaan dalam menaikkan kualitas layanan aplikasi tersebut. Cara yang dapat digunakan untuk mengetahui data tersebut yaitu dengan melakukan penelitian analisis sentimen. Analisis sentimen yang dilakukan dalam penelitian ini akan diklasifikasikan menjadi label sentimen positif,negatif dan netral,dengan memanfaatkan algoritma Naive Bayes Classifier, karena dapat Kualitas klasifikasi memuaskan, bahkan dengan hanya sejumlah kecil data training, dan kinerja pada kumpulan data besar akurat dan cepat. Tahapan yang dilakukan dalam penelitian ini adalah pengumpulan data, preprocessing, pengolahan data, akurasi dan evaluasi. Hasil dari penelitian ini menunjukkan bahwa prediksi yang dihasilkan lebih dominan pada sentimen positif. Dan performa dari metode pengujian Naive Bayes Classifier yang telah dilakukan didapatkan hasil nilai presisi 71%, recall 69% dan F1-score 69% dengan nilai akurasanyinya adalah 69%.
Downloads
Article Details
Cahyani, E. D. (2019). Analisis Penerimaan Aplikasi Ruang Guru Sebagai Media Pemenuhan Informasi Akademik Siswa SMA di Kota Surabaya Ditinjau dari Model Utaut2. Universitas Airlangga.
Dwitiyanti, N., & Selvia, N. (2021). Analisis Sentimen Twitter Kebiasaan New Normal.
Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi), 5(1).
Haris, C. A., WA, B. S., & Nasiri, A. (2019). Penerapan Model Utaut2 untuk Mengevaluasi Aplikasi Ruang Guru. (JurTI) Jurnal Teknologi Informasi, 3(2), 192–199.
Hartanto. (2017). Text Mining dan Sentimen Analisis Twitter pada Gerakan LGBT.
Intuisi: Jurnal Psikologi Ilmiah, 9(1), 18–25.
Ibnu, D. (2021). Machine Learning: Teori, Studi Kasus dan Implementasi Menggunakan Python. UR Press.
Kusuma, A., & Nugroho, A. (2021). Analisa Sentimen pada Twitter Terhadap Kenaikan Tarif Dasar Listrik Dengan Metode Naïve Bayes. Jurnal Ilmiah Teknologi Informasi Asia, 15(2), 137–146.
Kusuma, R. M. R. W. P., & Yustanti, W. (2021). Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers). Journal of Emerging Information System and Business Intelligence (JEISBI), 2(3), 55–62.
Mulyani, F., & Haliza, N. (2021). Analisis Perkembangan Ilmu Pengetahuan dan Teknologi (IPTEK) dalam Pendidikan. Jurnal Pendidikan Dan Konseling (JPDK), 3(1), 101–109.
Putra, M. W. A. (2020). Analisis Sentimen Dompet Elektronik pada Twitter Menggunakan Metode Naïve Bayes Classifier. IT Journal Research and Development, 5(1), 72–86.
Siregar, V. M. M. (2018). Sistem Pendukung Keputusan Penentuan Insentif Bulanan Pegawai dengan Menggunakan Metode Naïve Bayes. Sistemasi: Jurnal Sistem Informasi, 7(2), 78–86.
Susianti, I., Ningsih, S. S., Al Haris, M., & Utami, T. W. (2020). Analisis Sentimen pada Twitter Terkait New Normal dengan Metode Naïve Bayes Classifier. EDUSAINTEK, 4.
Yulita, W. (2021). Analisis Sentimen terhadap Opini Masyarakat tentang Vaksin Covid- 19 Menggunakan Algoritma Naïve Bayes. Jurnal Data Mining Dan Sistem Informasi,2(2), 1–9.
Yustanti, W., & Atmaja, R. M. (2021). Analisis Sentimen Customer Review Aplikasi Ruang. Journal of Emerging Information Systems and Business Intelligence, 8.