Analisis Sentimen Komentar Pembeli Pada Perumahan BTN Menggunakan Metode Naïve Bayes Classifier

Bilah Samping Artikel

PDF
Diterbitkan: Jan 23, 2024
Kata Kunci:
Analisis Sentimen, Rapidminer, Naïve Bayes

Isi Artikel Utama

Ivoni Angraini Kadiwano
a:1:{s:5:"id_ID";s:27:"STIMIKOM Stella Maris Sumba";}
Gergorius Kopong Pati
Teknik Informatika, STIMIKOM Stella Maris Sumba
Karolus Wulla Rato
Teknik Informatika, STIMIKOM Stella Maris Sumba

Abstrak

Pada era globalisasi ini yang tidak dapat dipungkiri bahwa penggunaan teknologi yang sangat pesat telah memberikan pengaruh yang cukup signifikan pada aktivitas yang dilakukan oleh manusia. Teknologi informasi yang berkembang beberapa dekade ini menjadikan banyak inovasi yang baru di berbagai bidang. Seperti contohnya pada bidang bisnis daring, jasa transportasi, jasa akomodasi, dan jasa keuangan. Penelitian ini menggunakan metode Naïve Bayes Untuk Mengetahui Respon Pengguna BTN Terhadap Layanan Yang di berikan. Berdasarkan Hasil pengujian akurasi menggunakan metode Naive Bayes Classifier adalah: tingkat akurasi dengan metode Naive Bayes Classifier sebesar 82.14%. memiliki hasil akurasi yang cukup baik untuk menganalisis sentimen komentar dari pelanggan. Hasil tingkat akurasi juga menunjukan BTN merupakan salah satu BTN yang mempunyai nilai komentar positif dari pelanggan yang sangat baik. Jadi BTN salah satu aplikasi yang direkomendasikan untuk para pelanggan.

Rincian Artikel

Cara Mengutip
Kadiwano, I. A., Pati, G. K., & Rato, K. W. . (2024). Analisis Sentimen Komentar Pembeli Pada Perumahan BTN Menggunakan Metode Naïve Bayes Classifier. Journal Of Technology and Information System (J-TIS), 2(2), 67–72. Diambil dari http://jurnal.uniyap.ac.id/uyp/index.php/jtis/article/view/460
Terbitan
Vol 2 No 2 (2023): Juli - Desember 2023
Bagian
Artikel
Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

Referensi

R. Watrianthos, M. Giatman, W. Simatupang, R. Syafriyeti, and N. K. Daulay, “Analisis Sentimen Pembelajaran Campuran Menggunakan Twitter Data,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 166, 2022, doi: 10.30865/mib.v6i1.3383.

F. H. Siregar and H. A. Wirananda, “Branch Office ) Analisis Sistem Pembiayaan KPR Pada Bank BTN ( Studi Kasus Bank BTN Kantor Cabang Medan ),” vol. 4, no. December 2022, pp. 860–866, 2023.

G. K. Pati and E. Umar, “Analisis Sentimen Komentar Pengunjung Terhadap Tempat Wisata Danau Weekuri Menggunakan Metode Naive Bayes Classifier Dan K-Nearest Neighbor,” J. Media Inform. Budidarma, vol. 6, no. 4, p. 2309, 2022, doi: 10.30865/mib.v6i4.4635.

S. Lestari and S. Saepudin, “Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 163–170, 2021.

W. Yulita, “Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier,” J. Data Min. dan Sist. Inf., vol. 2, no. 2, p. 1, 2021, doi: 10.33365/jdmsi.v2i2.1344.

S. Fanissa, M. A. Fauzi, and S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan 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

A. Sentimen et al., “Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 418–427, 2022.