Analisis Kinerja Algoritma Naïve Bayes Pada Dataset Sentimen Masyarakat Aplikasi NEWSAKPOLE Samsat Jawa Tengah

Eko Budi Susanto; Paminto Agung Christianto; Mohammad Reza Maulana; Sattriedi Wahyu Binabar

doi:10.37859/coscitech.v3i3.4343

Eko Budi Susanto STMIK Widya Pratama
Paminto Agung Christianto STMIK Widya Pratama
Mohammad Reza Maulana STMIK Widya Pratama
Sattriedi Wahyu Binabar STMIK Widya Pratama

https://doi.org/10.37859/coscitech.v3i3.4343

Abstract

Direktorat Lalu Lintas POLDA Jawa Tengah, BPPD Provinsi Jawa Tengah, dan PT. Jasa Raharja Jawa Tengah menciptakan terobosan pembuatan aplikasi Sistem Administrasi Kendaraan Pajak Online (NEWSAKPOLE) untuk memudahkan masyarakat dalam membayar pajak kendaraan bermotor. Aplikasi NEWSAKPOLE ini telah banyak diunduh dari marketplace dan digunakan oleh masyarakat Jawa Tengah. Di dalam penggunaanya, terdapat masyarakat yang puas dan tidak puas dalam menggunakan aplikasi ini, terbukti adanya berbagai macam jenis komentar dan rating yang dituliskan pengguna di Google Play Store. Dari hal tersebut, perlu dilakukan sebuah penelitian analisis sentimen, agar instansi terkait dapat mengetahui komentar positif dan negatif dari penggunaan aplikasi NEWSAKPOLE dengan cepat. Penelitian ini menggunakan algoritma naïve bayes untuk melakukan klasifikasi ulasan yang ada di Google Play Store. Kemudian penggunaan algoritma ini diukur tingkat kinerjanya dalam melakukan proses klasifikasi. Pertama, dataset dikumpulkan terlebih dahulu dari Google Play Store. Setelah itu, sebelum dilakukan preprocessing data, proses klasifikasi dilakukan untuk mengetahui ulasan positif, negatif atau netral. Dari hasil proses tersebut selanjutnya dilakukan proses pembobotan dan pengujian penggunaan algoritma naïve bayes, serta hasilnya dilakukan proses analisis. Dari 2414 ulasan positif dan 2395 ulasan negatif, algoritma naïve bayes memiliki tingkat akurasi sebesar 88% setelah dilakukan pengukuran K-Fold validation sebanyak 10 kali dalam melakukan klasifikasi ulasan. Hal ini menunjukkan bahwa algoritma naïve bayes memiliki kinerja yang baik dalam melakukan klasifikasi sentimen pada ulasan penggunaan aplikasi yang ada di Google Play Store.

Downloads

Download data is not yet available.

References

[1] N. A. Saputri, “Pengaruh Penerapan Pelayanan SAKPOLE (Sistem Administrasi Kendaraan Pajak Online) Terhadap Kepuasan Wajib Pajak Dalam Pembayaran Pajak Kendaraan Bermotor,” 2019.
[2] “NEWSAKPOLE - Aplikasi di Google Play.” https://play.google.com/store/apps/details?id=com.jatengprov.bapenda.newsakpole (accessed Nov. 29, 2022).
[3] Ash Shiddicky and Surya Agustian, “Analisis Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 pada Media Sosial Twitter menggunakan Metode Logistic Regression,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 2, pp. 99–106, 2022, doi: 10.37859/coscitech.v3i2.3836.
[4] P. Chitra et al., “Sentiment analysis of product feedback using natural language processing,” Mater Today Proc, Feb. 2021, doi: 10.1016/j.matpr.2020.12.1061.
[5] R. Gunawan, R. Septiadi, F. Apri Wenando, H. Mukhtar, and Syahril, “K-Nearest Neighbor (KNN) untuk Menganalisis Sentimen terhadap Kebijakan Merdeka Belajar Kampus Merdeka pada Komentar Twitter,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 2, pp. 152–158, 2022, doi: 10.37859/coscitech.v3i2.3841.
[6] M. Hamka and D. Ratna Sari, “ANALISIS SENTIMEN DAN INFORMATION EXTRACTION PEMBELAJARAN DARING MENGGUNAKAN PENDEKATAN LEXICON,” 2022.
[7] G. Cahyani, W. Widayani, S. D. Anggita, Y. Pristyanto, I. Ikmah, and A. Sidauruk, “Klasifikasi Data Review IMDb Berdasarkan Analisis Sentimen Menggunakan Algoritma Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 3, p. 1418, Jul. 2022, doi: 10.30865/mib.v6i3.4023.
[8] S. Han and C. K. Anderson, “Web Scraping for Hospitality Research: Overview, Opportunities, and Implications,” Cornell Hospitality Quarterly, vol. 62, no. 1, pp. 89–104, 2021, doi: 10.1177/1938965520973587.
[9] “google-play-scraper · PyPI.” https://pypi.org/project/google-play-scraper/ (accessed Nov. 29, 2022).
[10] M. A. Rosid, A. S. Fitrani, I. R. I. Astutik, N. I. Mulloh, and H. A. Gozali, “Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi,” IOP Conf Ser Mater Sci Eng, vol. 874, no. 1, 2020, doi: 10.1088/1757-899X/874/1/012017.
[11] “1.9. Naive Bayes — scikit-learn 1.1.3 documentation.” https://scikit-learn.org/stable/modules/naive_bayes.html (accessed Nov. 30, 2022).
[12] A. M. K. Izzaty, M. S. Mubarok, N. S. Huda, and Adiwijaya, “A multi-label classification on topics of quranic verses in English translation using Tree Augmented Naïve Bayes,” 2018 6th International Conference on Information and Communication Technology, ICoICT 2018, vol. 0, no. 1, pp. 103–106, 2018, doi: 10.1109/ICoICT.2018.8528802.
[13] I. Parapat Hotel -Medan, “Comparison of SVM & Naïve Bayes Algorithm for Sentiment Analysis Toward West Java Governor Candidate Period 2018-2023 Based on Public Opinion on Twitter.” [Online]. Available: www.twitter.com