ANALISIS SENTIMEN KEPUASAN PEMANGKU KEPENTINGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOUR

Ni Luh Ratniasih; Larasati Nabila Putri

doi:10.35959/jik.v11i02.378

Ni Luh Ratniasih Institut Teknologi dan Bisnis STIKOM Bali
Larasati Nabila Putri ITB STIKOM Bali

DOI: https://doi.org/10.35959/jik.v11i02.378

Kata Kunci: Sentiment Analysis, Stakeholder Questionnaire, NBC, K-NN

Abstrak

Pemangku kepentingan merupakan individu atau kelompok yang memiliki kepentingan dan dapat memberikan pengaruh kepada suatu objek. Pengukuran kepuasan pemangku kepentingan (stakeholder) sangat penting dilakukan untuk mendapatkan umpan balik dan masukan bagi keperluan pengembangan dan implementasi strategi peningkatan kepuasan pemangku kepentingan, sehingga perlu diketahui opini dari pemangku kepentingan. Metode penelitian terdiri dari beberapa tahap diantaranya tahap pertama dilakukan identifikasi masalah dan studi pustaka, tahap kedua pengumpulan data kepuasan pemangku kepentingan (Mahasiswa), tahap ketiga preprocessing data, tahap keempat adalah ekstrasi fitur agar dapat mempermudah klasifikasi menggunakan metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN). Tahap keempat merupakan tahap pengujian dan evaluasi model. Tahap kelima adalah pengujian tingkat akurasi metode. Tujuan dari penelitian ini adalah mendapatkan perbandingan tingkat akurasi antara metode Naïve Bayes Classifier (NBC) dan K-Nearest Neighbour (KNN) pada analisis sentimen dari komentar hasil pengukuran kepuasan pemangku kepentingan. Hasil tingkat akurasi menggunakan metode Naïve Bayes Classifier (NBC) sebesar 91,13% dan K-Nearest Neighbour (KNN) sebesar 83,06% sehingga performance metode Naïve Bayes Classifier (NBC) lebih tinggi dalam analisis sentiment kepuasan pemangku kepentingan.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1] Hidayah, N., Hutagalung, S. S., & Hermawan, D. 2019. Analisis peran stakeholder dalam pengembangan wisata talang air peninggalan kolonial Belanda di Kelurahan Pajaresuk Kabupaten Pringsewu. Jurnal Ilmu Administrasi Publik. Vol. 7. No. 1. Hal. 55–71. doi:10.31289/publika.v7i1.2179.

[2] Bryson, J. M. 2004. What to do when stakeholders matter: stakeholder identification and analysis techniques. Public Management Review, Vol. 6. No. 1. Hal. 21–53. doi:10.1080/14719030410001675722.

[3] Sari, R. (2020). Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi Menggunakan Algoritma KNearest Neighbor (K-Nn). EVOLUSI : Jurnal Sains Dan Manajemen, 8(1), 10–17. https://doi.org/10.31294/ evolusi.v8i1.7371.

[4] Buntoro, Ghulam Asrofi. 2017. Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter. Integer Journal. Vol. 2. No. 1. Hal. 32-41.

[5] Samsir, A., Verawardina, U., Edi, F., Watrianthos, R. 2021. Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes. Jurnal Media Informatika Budidarma. Vol. 5, No. 1. Page 157-163.

[6] Juanita, S. 2020. Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes. J. MEDIA Inform. BUDIDARMA, vol. 4, no. 3, p. 552.

[7] Rasenda, R., H. Lubis, and R. Ridwan 2020. “Implementasi K-NN Dalam Analisa Sentimen Riba Pada Bunga Bank Berdasarkan Data Twitter,” J. MEDIA Inform. BUDIDARMA, doi: 10.30865/mib.v4i2.2051.

[8] Gunawan, Billy, Helen Sasty Pratiwi, Enda Esyudha Pratama. 2018. Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika. Vol. 4. No. 2. Hal. 113-118.

[9] Akbari, M. I. H. A. D., Astri Novianty S.T., M. & Casi Setianingsih S.T., M., 2012. Analisis Sentimen Menggunakan Metode Learning Vector Quantization. Telkom University.

[10] Han, J., Kamber, M. & Pei, J. 2012. Data Mining Concepts and Techniques. 3rd ed. Waltham: Morgan Kaufmann Publishers.

[11] Kalpit G. Soni and Dr. Atul Patel. 2017. Comparative Analysis of K-means and K-medoids Algorithm on IRIS Data. International Journal of Computational Intelligence Research ISSN 0973-1873 Vol. 13, No. 5, pp. 899-906