Article Sidebar

Download
PDF (Bahasa Indonesia)
Statistic
Read Counter : 117 Download : 246

Downloads

Download data is not yet available.

Main Article Content

Abstract

The increasing use of the internet among the public is because it is a means to carry out various activities, one of which is buying and selling online or known as e-commerce. One of the largest e-commerce in Indonesia is Shopee. Shopee offers various features for its users. The large number of shopee users results in the large number of responses given to shopee, so the researcher wants to carry out a sentiment analysis process regarding user responses to shopee, whether the response of shopee users is negative or positive. The responses or opinions of Shopee users are taken from tweets in the Twitter application. Tweets typed and written and published by Twitter users about shopee. In this study, researchers used the RapidMiner application to collect tweets data from Twitter users and to apply the Naïve Bayes algorithm. The researcher collected 200 data regarding shopee from Twitter. The results obtained from sentiment analysis using the Naïve Bayes algorithm get 78% negative sentiment and 22% positive sentiment from 200 datasets. The process of testing the Naïve Bayes algorithm using the confusion matrix obtains an accuracy value of 77.50%.

Keywords

Sentiment Analysis Shopee Twitter Naive Bayes Analisis Sentimen Shopee Twitter Naive Bayes

Article Details

Author Biographies

Hilmy Zhafran Muflih, Universitas Prof.Dr.Hamka

Teknik Informatika Fakultas Teknologi Industri dan Informatika

Hafizh Dhery Al Assyam, Universitas Muhammadiyah Prof.Dr.Hamka

Teknik Informatika Fakultas Teknologi industri dan Informatika

Faisal Akbar Pangestu, Universitas Muhammadiyah Prof.Dr.Hamka

Teknik Informatika Fakultas Teknologi Industri dan Informatika

How to Cite
Muflih, H. Z., Al Assyam, H. D., Pangestu, F. A., & Kamayani, M. (2023). Analisis Sentimen Terhadap Ulasan Penggunaan Shopee Melalui Tweet Pada Twitter Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Informatika Dan Komputer, 2(2), 67–74. https://doi.org/10.22236/jutikom.v2i2.12199
Download Citation
Endnote/Zotero/Mendeley (RIS)
BibTeX

References

  1. Afandi, I. R., Hasan, F. N., Rizki, A. A., Pratiwi, N., & Halim, Z. (2022). Analisis Sentimen Opini Masyarakat Terkait Pelayanan Jasa Ekspedisi Anteraja Dengan Metode Naive Bayes. Jurnal Linguistik Komputasional, 5(2), 63–70. https://doi.org/https://doi.org/10.26418/jlk.v5i2.107
  2. Alfandi Safira, & Hasan, F. N. (2023). Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier. ZONAsi: Jurnal Sistem Informasi, 5(1), 59–70. https://doi.org/10.31849/zn.v5i1.12856
  3. Alghifari, D. R., Edi, M., & Firmansyah, L. (2022). Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia. Jurnal Manajemen Informatika (JAMIKA), 12(2), 89–99. https://doi.org/10.34010/jamika.v12i2.7764
  4. Ardiani, L., Sujaini, H., & Tursina, T. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak. Jurnal Sistem Dan Teknologi Informasi (Justin), 8(2), 183. https://doi.org/10.26418/justin.v8i2.36776
  5. Arsi, P., Wahyudi, R., & Waluyo, R. (2021). Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(2), 231–237. https://doi.org/10.29207/resti.v5i2.2698
  6. Auliadaya, A. S., Rizki, M., & Azhary, M. A. F. (2019). Analisa Pola Pembelian Produk Pada Toko Cimahi- Apriori. Manajemen Informatika, 9(1), 58–69.
  7. Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. Smatika Jurnal, 10(02), 71–76. https://doi.org/10.32664/smatika.v10i02.455
  8. Hamid, A. I. (2020). Analisis Semiotik Meme Anies Baswedan Banjir Jakarta. DIALEKTIKA KOMUNIKA: Jurnal Kajian Komunikasi Dan Pembangunan Daerah, 8(1), 36–45. https://doi.org/10.33592/dk.v8i1.554
  9. Hasan, F. N., & Dwijayanti, M. (2021). Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier. Jurnal Linguistik Komputasional, 4(2), 52–58. https://doi.org/https://doi.org/10.26418/jlk.v4i2.61
  10. Hasugian, A. H., Fakhriza, M., & Zukhoiriyah, D. (2023). Volume 6 ; Nomor 1. Januari, 6, 98–107. https://ojs.trigunadharma.ac.id/index.php/jsk/index
  11. Irnanda, K. F., Windarto, A. P., & Damanik, I. S. (2022). Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner. JURIKOM (Jurnal Riset Komputer), 9(1), 122. https://doi.org/10.30865/jurikom.v9i1.3836
  12. Kurnia, W. (2023). Sentimen Analisis Aplikasi E-Commerce Berdasarkan Ulasan Pengguna Menggunakan Algoritma Stochastic Gradient Descent. 4(1), 138–143.
  13. Laurensz, B., & Eko Sediyono. (2021). Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 10(2), 118–123. https://doi.org/10.22146/jnteti.v10i2.1421
  14. Legiawati, N., Hermanto, T. I., & Ramadhan, Y. R. (2022). Analisis Sentimen Opini Pengguna Twitter Terhadap Perusahaan Jasa Ekspedisi Menggunakan Algoritma Naïve Bayes Berbasis PSO. JURIKOM (Jurnal Riset Komputer), 9(4), 930. https://doi.org/10.30865/jurikom.v9i4.4629
  15. Nas, C. (2021). Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5. Jurnal Manajemen Informatika (JAMIKA), 11(2), 131–145. https://doi.org/10.34010/jamika.v11i2.5506
  16. Rahayu, I. P., Fauzi, A., & Indra, J. (2022). Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine. Jurnal Sistem Komputer Dan Informatika (JSON) Hal: 296−, 301(2), 25–38. https://doi.org/http://dx.doi.org/10.30865/json.v4i2.5381
  17. Rahma, A., & Delliana, S. (2022). Pengaruh Konten Youtube Ria Ricis Terhadap Agresi Verbal Netizen. Translitera: Jurnal Kajian …, 11(1), 106–119. http://ejournal.unisbablitar.ac.id/index.php/translitera/article/view/1668%0Ahttps://ejournal.unisbablitar.ac.id/index.php/translitera/article/download/1668/1244
  18. Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS, 10(2), 681–686. https://doi.org/https://doi.org/10.24176/simet.v10i2.3487
  19. Tangkelayuk, A. (2022). The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 1109–1119. https://doi.org/10.35957/jatisi.v9i2.2048
  20. Winahyu, J., & Suharjo, I. (2021). Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes. Kumpulan Artikel Mahasiswa Pendidikan Teknik Informatika (KARMAPATI), 10(2), 206. https://doi.org/10.23887/karmapati.v10i2.36609
  21. Yanti, S. D., Astuti, S., & Safitri, C. (2023). Pengaruh Pengalaman Belanja Online Dan Kepercyaan Terhadap Minat Beli Ulang Di Tiktok Shop (Studi Kasus Mahasiswa Fkip Uhamka 2018). Jurnal EMT KITA, 7(1), 47–61. https://doi.org/10.35870/emt.v7i1.728
  22. Zusrotun, O. P., Murti, A. C., & Fiati, R. (2022). Sentimen Analisis Belajar Online di Twitter Menggunakan Naïve Bayes Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI | 311. 11, 310–320. https://doi.org/https://doi.org/10.23887/janapati.v11i3.49160