ANALISIS SENTIMEN TERHADAP BRAND SKINCARE LOKAL MENGGUNAKAN NAÏVE BAYES CLASSIFIER

Kaswili Sriwenda Putri(1*), Iwan Rizal Setiawan(2), Agung Pambudi(3)

(1) Universitas Muhammadiyah Sukabumi
(2) Universitas Muhammadiyah Sukabumi
(3) Universitas Muhammadiyah Sukabumi
(*) Corresponding Author

Sari


Seiring dengan perkembangan teknologi informasi yang makin meningkat serta akses internet yang semakin mudah, banyak masyarakat yang menyuarakan opini mereka di media sosial salah satunya yaitu Twitter. Salah satu isu atau topik yang sering dibahas di twitter adalah mengenai perawatan kulit atau skincare terutama dalam mengulas produk-produk skincare dari suatu brand. Ulasan serta opini terhadap brand skincare terutama brand skincare lokal seperti Avoskin, Azarine dan Somethinc di twitter dijadikan sumber data untuk mengetahui persepsi masyarakat terhadap brand skincare lokal tersebut. Data tweet yang digunakan dibagi kedalam 3 dataset berdasarkan ulasan terhadap brand yang dituju yaitu Avoskin, Azarine dan Somethinc. Untuk mendapatka hasil yang jelas, maka dilakukan proses klasifikasi. Salah satu algoritma yang dapat digunakan untuk mengklasifikasikan suatu data adalah naïve bayes classifier dengan mengklasifikasikan data kedalam 2 jenis, yaitu positif dan negatif. Proses klasisfikasi yang menggunakan naïve bayes classifier ini menghasilkan nilai akurasi sebesar 79% untuk dataset Avoskin, 78% untuk dataset Azarine dan 75% untuk dataset Somethinc. Sedangkan pengujian dengan k-fold cross validation menghasilkan nilai sebesar 79% untuk dataset Avoskin serta Somethinc dan 78% untuk dataset Azarine.

Teks Lengkap:

PDF

Referensi


Andriani, N., & Wibowo, A. (2021). Implementasi Text Mining Klasifikasi Topik Tugas Akhir Mahasiswa Teknik Informatika Menggunakan Pembobotan TF-IDF dan Metode Cosine Similarity Berbasis Web. Senamika, September, 130–137. https://conference.upnvj.ac.id/index.php/senamika/article/view/1807%0Ahttps://conference.upnvj.ac.id/index.php/senamika/article/download/1807/1350

Firmansyah, Z., & Puspitasari, N. F. (2021). Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 Berdasarkan Opini Pada Twitter Menggunakan Algoritma Naive Bayes. Jurnal Teknik Informatika, 14(2), 171–178. https://doi.org/10.15408/jti.v14i2.24024

Kominfo. (2022). Kominfo : Pengguna Internet di Indonesia 63 Juta Orang. https://www.kominfo.go.id/index.php/content/detail/3415/Kominfo+:+Pengguna+Internet+di+Indonesia+63+Juta+Orang/0/berita_satker

Larasati, M. A. Z., Winarsih, N. A. S., Rohman, M. S., & Saraswati, G. W. (2022). Penerapan Metode K-Means Clustering Dalam Menganalisis Sentimen Masyarakat Terhadap K-Popers Pada Twitter. Progresif: Jurnal Ilmiah Komputer, 18(2), 201. https://doi.org/10.35889/progresif.v18i2.877

Mahardika, Y. S., & Zuliarso, E. (2018). Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes. Prosiding SINTAK 2018, 2015, 409–413.

Muel, S. S. (2020). ANALISIS SENTIMEN PADA TWITTER GOJEK DENGAN METODE NAÏVE BAYES CLASSIFIER MENGGUNAKAN VISUALISASI LATENT DIRICHLET ALLOCATION. UNIVERSITAS MUHAMMADIYAH SEMARANG.

Nasrullah, R. (2015). Media Sosial; Persfektif Komunikasi, Budaya dan Sosioteknologi. Simbiosa Rekatama Media.

Patro, R. (2021). Cross-Validation: K Fold vs Monte Carlo. Medium. https://towardsdatascience.com/cross-validation-k-fold-vs-monte-carlo-e54df2fc179b

SETYAWATI, I. (2020). IMPLEMENTASI DATA MINING DENGAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI TKP KRIMINALITAS DI KABUPATEN PONOROGO. UNIVERSITAS MUHAMMADIYAH PONOROGO.

Suyanto, D. (2019). Data Mining untuk Klasifikasi dan Klasterisasi Data (Revisi). Informatika Bandung.




DOI: http://dx.doi.org/10.31602/tji.v14i3.11259

Refbacks

  • Saat ini tidak ada refbacks.


© 2019 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

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