Analisis Sentimen Kendaraan Listrik Menggunakan Algoritma Naive Bayes dengan Seleksi Fitur Information Gain dan Particle Swarm Optimization

Salman Alfarizi, Eka Fitriani

Abstract


Kendaraan listrik telah menjadi tren global sebagai alternatif kendaraan berbahan bakar fosil.  Namun masih terdapat beberapa permasalahan seperti infrastruktur yang belum memadai, harga yang relatif mahal, dan waktu pengisian baterai yang lama. Untuk meningkatkan penggunaan kendaraan listrik, diperlukan pemahaman dan kesadaran masyarakat terhadap kendaraan listrik. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen opini masyarakat terhadap kendaraan listrik dengan menggunakan algoritma Naive Bayes dengan seleksi fitur Information Gain dan Particle Swarm Optimization dan. Data yang digunakan dalam penelitian ini adalah data komentar dan ulasan pada media sosial (Twitter) yang terkait dengan kendaraan listrik. Data diambil dengan teknik web crawling data menggunakan API Twitter dan dicoba menggunakan software rapidminer. Dalam penelitian ini menggunakan algoritma Naive Bayes dihasilkan nilai akurasi 79,43% dan AUC 0,639. Selanjutnya dilakukan seleksi fitur menggunakan Information Gain dan Particle Swarm Optimization untuk menganalisis sentimen opini masyarakat dalam penggunaan kendaraan listrik untuk meningkatan akurasi dan AUC. Hasil akurasi yang didapat setelah menggunakan algoritma Naïve Bayes dengan seleksi fitur Information Gain dan Particle Swarm Optimization adalah 84,54% dan AUC 0,729. Sehingga dapat disimpulkan bahwa penerapan algoritma Naïve Bayes menggunakan seleksi fitur Information Gain dan Particle Swarm Optimization menjadi metode yang baik dalam analisis sentimen opini masyarakat tentang kendaraan listrik. Penelitian ini diharapkan dapat memberikan informasi yang berguna bagi produsen kendaraan listrik dalam mengembangkan produk mereka, serta memberikan masukan bagi pemerintah dalam mengembangkan kebijakan untuk mendukung penggunaan kendaraan listrik di Indonesia.

               

Kata kunci: Analisis Sentimen, Naive Bayes, PSO, Information Gain, Kendaraan Listrik


Full Text:

PDF

References


Afdal, M., & Elita, L. R. (2022). PENERAPAN TEXT MINING PADA APLIKASI TOKOPEDIA. 8(1), 78–87.

Agustian, A., Tukiro, T., & Nurapriani, F. (2022). Penerapan Analisis Sentimen Dan Naive Bayes Terhadap Opini Penggunaan Kendaraan Listrik Di Twitter. Jurnal TIKA, 7(3), 243–249. https://doi.org/10.51179/tika.v7i3.1550

Aryanti, R., Atang Saepudin, Eka Fitriani, Rifky Permana, & Dede Firmansyah Saefudin. (2022). Komparasi Algoritma Naive Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Pengguna Busway. Jurnal Teknik Komputer AMIK BSI, 8(2), 174–180. https://doi.org/10.31294/jtk.v4i2

Baydhowi, M., Apriliah, W., & Kurniawan, I. (2019). Klasifikasi Tweet Berdasarkan Keterkaitan Tweet Terhadap Topik Tertentu Pada Twitter Menggunakan Naïve Bayes. Information System for Educators and Profesionals, 4(1), 95–103. http://ejournal-binainsani.ac.id/index.php/ISBI/article/view/1244

Deni Gunawan et al. (2022). Komparasi Algoritma Support Vector Machine Dan Naïve Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Calon Gubernur Jabar 2018-2023. Jurnal Teknik Komputer AMIK BSI, 8(2), 174–180. https://doi.org/10.31294/jtk.v4i2

Hayuningtyas, R. Y., & Sari, R. (2019). Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso. Jurnal Techno Nusa Mandiri, 16(1), 37–42. https://doi.org/10.33480/techno.v16i1.115

Julianto, I. T. (2022). Analisis Sentimen Terhadap Sistem Informasi Akademik Mahasiswa Institut Teknologi Garut. 458–465.

Olive, I., Putra, D., Prilianti, K. R., Lucky, P., & Irawan, T. (2020). IMPLEMENTASI TEXT MINING UNTUK ANALISIS LAYANAN TRANSPORTASI ONLINE DENGAN ANALISIS FAKTOR. 8(2).

Prajamukti, R., Jayanta, & Santoni, M. M. (2022). KLASIFIKASI DAN ANALISIS SENTIMEN PADA DATA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES ( STUDI KASUS : TIMNAS 1 Pendahuluan 2 Tinjauan Pustaka 3 Metode Penelitian. 28–29.

Que, V. K. S., Iriani, A., & Purnomo, H. D. (2020). Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(2), 162–170. https://doi.org/10.22146/jnteti.v9i2.102

Ramadhani, S. H., & Wahyudin, M. I. (2022). Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN. 6(4).

Santoso, A., Nugroho, A., & Sunge, A. S. (2022). Analisis Sentimen Tentang Mobil Listrik Dengan Metode Support Vector Machine Dan Feature Selection Particle Swarm Optimization. Journal of Practical Computer Science, 2(1), 24–31. https://doi.org/10.37366/jpcs.v2i1.1084

Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Simetris: Jurnal Teknik Mesin, Elektro Dan Ilmu Komputer, 10(2), 681–686. https://jurnal.umk.ac.id/index.php/simet/article/view/3487

Simbolon, A. M., Rusli, B., & -, C.-. (2022). Kebijakan Kendaraan Listrik dalam Perspektif Pasar dan Infrastruktur: Studi Reviu Komparasi Bilateral Korea Selatan dan Indonesia. Jurnal Penelitian Transportasi Darat, 24(2), 83–91. https://doi.org/10.25104/jptd.v24i2.1943

Soepomo, P. (2014). PENERAPAN TEXT MINING PADA SISTEM KLASIFIKASI. 2, 73–83.




DOI: https://doi.org/10.31294/ijse.v9i1.15671

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

 

ISSN : 2714-9935 


Published by LPPM Universitas Bina Sarana Informatika

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450


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