Implementasi Text Mining untuk Analisis Sentimen pada Pengguna PLN Mobile Menggunakan Metode Naïve Bayes

Antoni Carla, Hari Soetanto, Yuliazmi Yuliazmi

Abstract


Dalam era kemajuan teknologi informasi, aplikasi PLN Mobile telah diperkenalkan oleh Perusahaan Listrik Negara (PLN) sebagai solusi digital untuk meningkatkan layanan listrik dan memenuhi kebutuhan pelanggan. Meskipun aplikasi ini telah diterima dengan baik oleh pengguna, kurangnya penelitian yang khusus menganalisis sentimen pelanggan menggunakan metode Naive Bayes menjadi perhatian. Penelitian ini bertujuan untuk menganalisis sentimen terhadap ulasan aplikasi PLN Mobile dari Google Play Store menggunakan metode Naive Bayes. Diharapkan hasil penelitian ini dapat memberikan wawasan baru untuk meningkatkan kualitas layanan aplikasi PLN Mobile dan memperbaiki kepuasan pelanggan. Penelitian ini melibatkan penggunaan web scraping untuk mengumpulkan data ulasan aplikasi PLN Mobile dari Google Play Store. Data kemudian diproses dan dipersiapkan untuk analisis menggunakan metode Naive Bayes. Langkah-langkah penting seperti preprocessing data, ekstraksi fitur menggunakan metode TF-IDF, penerapan klasifikasi Naive Bayes, dan evaluasi menggunakan Confusion Matrix dilakukan dalam penelitian ini. Hasil penelitian ini berhasil mengembangkan sistem analisis sentimen ulasan menggunakan metode Naive Bayes pada aplikasi PLN Mobile dengan akurasi sebesar 76%, precision 76%, recall 100%, dan F1 Score 86%. Dengan demikian, penelitian ini memberikan kontribusi dalam pemahaman lebih mendalam mengenai respons dan perasaan pengguna terhadap aplikasi PLN Mobile.

Keywords


text mining; naïve bayes; analisis sentimen; pln mobile

Full Text:

PDF

References


H. B. Tambunan dan T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” PETIR, vol. 15, no. 1, 2021, doi: 10.33322/petir.v15i1.1352.

Y. Asri, W. N. Suliyanti, D. Kuswardani, dan M. Fajri, “Pelabelan Otomatis Lexicon Vader dan Klasifikasi Naive Bayes dalam menganalisis sentimen data ulasan PLN Mobile,” PETIR, vol. 15, no. 2, hlm. 264–275, Nov 2022, doi: 10.33322/petir.v15i2.1733.

R. Safri Irawansyah, L. A. Syamsul Irfan A, dan G. Wahyu Wiriasto, “ANALISIS SENTIMEN TERHADAP PROGRAM MERDEKA BELAJAR-KAMPUS MERDEKA (MBKM) PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (NBC).”

K. Diah Indarwati dan H. Februariyanti, “ANALISIS SENTIMEN TERHADAP KUALITAS PELAYANAN APLIKASI GO-JEK MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER.”

Y. Nurtikasari, Syariful Alam, dan Teguh Iman Hermanto, “Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes,” INSOLOGI: Jurnal Sains dan Teknologi, vol. 1, no. 4, hlm. 411–423, Agu 2022, doi: 10.55123/insologi.v1i4.770.

S. Syafrizal, M. Afdal, dan R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, hlm. 10–19, Des 2023, doi: 10.57152/malcom.v4i1.983.

F. Setya Ananto dan F. N. Hasan, “Implementasi Algoritma Naïve Bayes Terhadap Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store,” Jurnal ICT : Information Communication & Technology, vol. 23, no. 1, hlm. 75–80, 2023, [Daring]. Tersedia pada: https://ejournal.ikmi.ac.id/index.php/jict-ikmi

P. Eko, P. Utomo, U. Khaira, dan T. Suratno, “ANALISIS SENTIMEN ONLINE REVIEW PENGGUNA BUKALAPAK MENGGUNAKAN METODE ALGORITMA TF-IDF,” 2019.

M. Farras, ) Viny, C. Mawardi, dan T. Sutrisno, “Aplikasi Analisis Sentimen Komentar Pengguna Genshin Impact Di Play Store,” 2022.

N. L. P. M. Putu, Ahmad Zuli Amrullah, dan Ismarmiaty, “Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, hlm. 123–131, Feb 2021, doi: 10.29207/resti.v5i1.2587.




DOI: https://dx.doi.org/10.36080/bit.v21i1.2974

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Bit (Fakultas Teknologi Informasi Universitas Budi Luhur)

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

OFFICE:

FAKULTAS TEKNOLOGI INFORMASI - UNIVERSITAS BUDI LUHUR, Jl. Ciledug Raya, Petukangan Utara, Jakarta Selatan, 12260. DKI Jakarta, Indonesia. Telp: 021-585 3753 Fax: 021-585 3752

Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) by FAKULTAS TEKNOLOGI INFORMASI - UNIVERSITAS BUDI LUHUR is licensed under CC BY-SA 4.0 Creative Commons License

View Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Satats Web Analytics Made Easy