Analisis Sentimen Stakeholder Atas Layanan HAIDJPB Pada Media Sosial Twitter Dengan Menggunakan Metode Support Vector Machine Dan Naïve Bayes

  • Muhammad Luthfiy Kurniawan Harsono STMIK Nusa Mandiri Jakarta
  • Yuris Alkhalifi STMIK Nusa Mandiri Jakarta
  • Nurajijah STMIK Nusa Mandiri Jakarta
  • Windu Gata STMIK Nusa Mandiri Jakarta
Keywords: Algoritma Support Vector Machine, Algoritma Naïve Bayes, haiDJPb, Twitter

Abstract

Pembuatan akun khusus pada media sosial instagram dan twitter yang bertujuan untuk menampung penyampaian pertanyaan, masukan, kritik dan saran dari stakeholder seputar proses bisnis berjalan serta penggunaan aplikasi dalam rangka perencanaan anggaran, pembuatan komitmen, pencairan APBN, pembukuan penerimaan serta pelaporan keuangan didasarkan pada fakta bahwa media sosial tidak dapat dipisahkan dari aktivitas masyarakat dikarenakan keberadaan perangkat digital (smartphone) dan akses internet yang terjangkau membuat berbagai kalangan masyarakat dapat memperoleh informasi dengan cepat dan mudah. Organisasi mempunyai kepentingan untuk mendapatkan tolak ukur atas layanan yang telah diberikan demi peningkatan kualitas layanan kedepannya berdasarkan data tweets yang didapatkan dari media sosial twitter. Penelitian kali ini membahas tentang proses pengumpulan dan pengolahan data tweet pada akun @haiDJPb dalam rangka melakukan analisis sentimen stakeholder atas layanan haiDJPb pada media soasial twitter menggunakan algoritma Support Vector Machine dan Naïve Bayes dan didapatkan hasil nilai akurasi untuk algoritma Support Vector Machine adalah 74,55% dan 77,18% untuk algoritma Naïve Bayes.

Downloads

Download data is not yet available.

References

“Fenomena Media Sosial Dalam Penyebaran Informasi.” [Online]. Available: https://kulonprogokab.go.id/v3/portal/web/view_berita/4586/Fenomena-Media-Sosial-Dalam-Penyebaran-Informasi. [Accessed: 24-Apr-2020].

“Infographic: Twitter Statistics, Facts & Figures | Digital Buzz Blog.” [Online]. Available: http://www.digitalbuzzblog.com/infographic-twitter-statistics-facts-figures/. [Accessed: 28-Apr-2020].

A. Indranandita, B. Susanto, and A. Rahmat, “Sistem Klasifikasi Dan Pencarian Jurnal Dengan Menggunakan Metode Naive Bayes Dan Vector Space Model,” J. Inform., vol. 4, no. 2, 2011, doi: 10.21460/inf.2008.42.48.

A. Rossi, T. Lestari, R. Setya Perdana, and M. A. Fauzi, “Analisis Sentimen Tentang Opini Pilkada DKI 2017 Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Näive Bayes dan Pembobotan Emoji,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 12, pp. 1718–1724, 2017.

M. Z. Sarwani and W. F. Mahmudy, “Analisa Twitter Untuk Mengetahui Karakter,” Semin. Nas. Sist. Inf. Indones., no. November, pp. 2–3, 2015.

Y. I. Claudy, R. S. Perdana, and M. A. Fauzi, “Klasifikasi Dokumen Twitter Untuk Mengetahui Karakter Calon Karyawan Menggunakan Algoritme K-Nearest Neighbor (KNN),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2761–2765, 2018.

W. Gata, “Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS,” vol. 6, pp. 1–13, 2017.

R. S. Perdana and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler ,” no. October, 2017.

W. Gata et al., “Algorithm Implementations Naïve Bayes, Random Forest. C4.5 on Online Gaming for Learning Achievement Predictions,” vol. 258, no. Icream 2018, 2019, doi: 10.2991/icream-18.2019.1.

N. Rahayu, “ANALISIS SENTIMEN PASAR OTOMOTIF MOBIL : TWEET TWITTER MENGGUNAKAN NAÏVE BAYES,” vol. 8, no. 1, pp. 113–120, 2017.

M. Rivki, M. Bachtiar, T. Informatika, F. Teknik, U. K. Indonesia, and J. Dipati, “Jurnal Sistem Informasi ( Journal of Information Systems ). 1 / 13 ( 2017 ), 31-37 DOI : http://dx.doi.org/10.21609/jsi.v13i1.500,” vol. 13, pp. 31–37, 2017.

W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan M,” no. October, 2017.

S. Karyadi and H. Yasin, “1 , 2 , 3,” vol. 5, pp. 763–770, 2016.

S. Mujilahwati, “PRE-PROCESSING TEXT MINING PADA DATA TWITTER,” 2016.

Published
2020-05-15
How to Cite
Harsono, M. L. K., Alkhalifi, Y., Nurajijah, & Gata, W. (2020). Analisis Sentimen Stakeholder Atas Layanan HAIDJPB Pada Media Sosial Twitter Dengan Menggunakan Metode Support Vector Machine Dan Naïve Bayes. Infoman’s : Jurnal Ilmu-Ilmu Manajemen Dan Informatika, 14(1). https://doi.org/10.33481/infomans.v14i1.126
Section
Articles