Analisa Sentimen Persepsi Masyarakat Terhadap Aplikasi Bea Cukai Mobile Menggunakan Algoritma Naive Bayes Dan K-Nearest Neighbors
Abstract
This study analyzes user sentiment towards the Bea Cukai Mobile application using Naive Bayes and K-Nearest Neighbors (KNN) algorithms. Data was collected from 600 reviews on Google Play Store, equally divided between positive and negative sentiments. After preprocessing, the data was analyzed using both algorithms. Results show that Naive Bayes outperformed with 79.96% accuracy, 87.76% recall, and 96.40% AUC, compared to KNN's 78.34% accuracy, 75.32% recall, and 92.20% AUC. However, KNN excelled in precision with 81.06% versus Naive Bayes' 77.21%. The study concludes that Naive Bayes is more effective in providing accurate classification and distinguishing between positive and negative classes, while KNN is more precise in predicting positive classes. These findings offer valuable insights into user perceptions of the Bea Cukai Mobile application and the effectiveness of algorithms in sentiment analysis.
Keywords: Sentiment analysis, Bea Cukai Mobile application, Naive Bayes, K-Nearest Neighbors, Google Play Store, User reviews
Abstrak
Penelitian ini menganalisis sentimen pengguna terhadap aplikasi Bea Cukai Mobile menggunakan algoritma Naive Bayes dan K-Nearest Neighbors (KNN). Data diperoleh dari 600 ulasan di Google Play Store, terbagi sama rata antara sentimen positif dan negatif. Setelah melalui tahap preprocessing, data dianalisis menggunakan kedua algoritma tersebut. Hasil menunjukkan bahwa Naive Bayes memiliki performa lebih baik dengan akurasi 79,96%, recall 87,76%, dan nilai AUC 96,40%, dibandingkan KNN dengan akurasi 78,34%, recall 75,32%, dan AUC 92,20%. Namun, KNN unggul dalam hal presisi dengan 81,06% dibanding Naive Bayes 77,21%. Penelitian ini menyimpulkan bahwa Naive Bayes lebih efektif dalam memberikan klasifikasi akurat dan membedakan kelas positif dan negatif, sementara KNN lebih tepat dalam memprediksi kelas positif. Hasil ini memberikan wawasan berharga tentang persepsi pengguna terhadap aplikasi Bea Cukai Mobile dan efektivitas algoritma dalam analisis sentimen.
Kata kunci: Analisis sentimen, Aplikasi Bea Cukai Mobile, Naive Bayes, K-Nearest Neighbors, Google Play Store, Ulasan pengguna
Full Text:
PDF (92-100)References
Abdusyukur, F. (2023). PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI PENCEMARAN NAMA BAIK DI MEDIA SOSIAL TWITTER. Komputa : Jurnal Ilmiah Komputer Dan Informatika, 12(1). https://doi.org/10.34010/komputa.v12i1.9418
Br Sidauruk, N., & Riza, N. (2023). SENTIMEN ANALISIS DATA PENGGUNA TERHADAP KAI ACCESS. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2). https://doi.org/10.36040/jati.v7i2.6764
Gilbert, Syariful Alam, & M. Imam Sulistyo. (2023). ANALISIS SENTIMEN BERDASARKAN ULASAN PENGGUNA APLIKASI MYPERTAMINA PADA GOOGLE PLAYSTORE MENGGUNAKAN METODE NAÏVE BAYES. STORAGE: Jurnal Ilmiah Teknik Dan Ilmu Komputer, 2(3). https://doi.org/10.55123/storage.v2i3.2333
Halim, A., & Andri Safuwan. (2023). ANALISIS SENTIMEN OPINI WARGANET TWITTER TERHADAP TES SCREENING GENOSE PENDETEKSI VIRUS COVID-19 MENGGUNAKAN METODE NAÏVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION. Jurnal Informatika Teknologi Dan Sains, 5(1). https://doi.org/10.51401/jinteks.v5i1.2229
I Komang Andi Sugiarta, Anugrah Cahya Dewi, P., & Nengah Widya Utami. (2023). ANALISA SENTIMEN MAHASISWA TERHADAP LAYANAN STMIK PRIMAKARA MENGGUNAKAN ALGORITMA NAIVE BAYES DAN K-NEAREST NEIGHBOR. Jurnal Informatika Teknologi Dan Sains (Jinteks), 5(3). https://doi.org/10.51401/jinteks.v5i3.3159
Irvandi, Irawan, B., & Nurdiawan, O. (2023). NAIVE BAYES DAN WORDCLOUD UNTUK ANALISIS SENTIMEN WISATA HALAL PULAU LOMBOK. INFOTECH Journal, 9(1). https://doi.org/10.31949/infotech.v9i1.5322
Leliana, I., Irhamdhika, G., Haikal, A., Septian, R., & Kusnadi, E. (2024). ETIKA DALAM ERA DEEPFAKE: BAGAIMANA MENJAGA INTEGRITAS KOMUNIKASI. Jurnal Visi Komunikasi, 22(02). https://doi.org/10.22441/visikom.v22i02.24229
Mutaqin, R., Mutaqin, G., & Dharmopadni, D. S. (2024). Dampak Perkembangan Teknologi Informasi Dan Komunikasi Terhadap Dinas Militer. Jurnal Ilmiah Multidisiplin, 2(3). https://doi.org/10.59000/jim.v2i3.213
Narayana, I. D. G. A. P., & Amri, I. (2023). Penerapan Aplikasi Pelayanan Rakyat Online Sebagai Layanan Pengaduan Publik di Diskominfo Kota Denpasar Provinsi Bali. JURNAL TERAPAN PEMERINTAHAN MINANGKABAU, 3(1). https://doi.org/10.33701/jtpm.v3i1.2814
Prasetyo, M. R., & Fahrurozi, A. (2023). ANALISA SENTIMEN PADA ULASAN GOOGLE UNTUK HOTEL GRAN MAHAKAM JAKARTA MENGGUNAKAN PENDEKATAN MACHINE LEARNING. Jurnal Ilmiah Informatika Komputer, 28(3). https://doi.org/10.35760/ik.2023.v28i3.9761
Sjafii, A., Wullur, M., & Karuntu, M. (2023). Analisis Efektivitas dan Efisiensi Information Sharing Pada Pelayanan Publik Badan Pendapatan Daerah Kota Manado. Jurnal EMBA : Jurnal Riset Ekonomi, Manajemen, Bisnis Dan Akuntansi, 11(1). https://doi.org/10.35794/emba.v11i1.45997
Syarifuddinn, M. (2020). ANALISIS SENTIMEN OPINI PUBLIK TERHADAP EFEK PSBB PADA TWITTER DENGAN ALGORITMA DECISION TREE,KNN, DAN NAÏVE BAYES. INTI Nusa Mandiri, 15(1). https://doi.org/10.33480/inti.v15i1.1433
Syauqina, L., & Ichsan, S. S. (2022). STRATEGI KOMUNIKASI TENTANG SOSIALISASI EKSPOR DAN IMPOR BARANG BAWAAN PENUMPANG OLEH BEA DAN CUKAI KEPADA PENYEDIA LAYANAN JASA TITIP. Jurnal Komunikasi Universitas Garut: Hasil Pemikiran Dan Penelitian, 8(1). https://doi.org/10.52434/jk.v8i1.1292
Ulgasesa, R., Negara, A. B. P., & Tursina, T. (2022). Pengaruh Stemming Terhadap Performa Klasifikasi Sentimen Masyarakat Tentang Kebijakan New Normal. Jurnal Sistem Dan Teknologi Informasi (JustIN), 10(3). https://doi.org/10.26418/justin.v10i3.53880
DOI: https://doi.org/10.31294/evolusi.v12i2.23576
ISSN: 2657-0793 (online). ISSN: 2338-8161 (print)
