Perbandingan Naïve Bayes dan K-NN dalam Analisis Sentimen Aplikasi X
DOI:
https://doi.org/10.26623/f4k55e04Keywords:
X, Naïve bayes, K-Nearest Neighbor, Analisis sentimen.Abstract
Aplikasi X, sebelumnya dikenal sebagai Twitter adalah media sosial yang memungkinkan pengguna mengirim, membalas, dan membaca pesan. Berdasarkan ulasan di Google Play Store, banyak pengguna mengeluhkan masalah, terutama terkait penangguhan akun setelah perubahan kepemilikan. Namun, sebagian pengguna masih merasa puas dan terbantu dengan X. Oleh karena itu, analisis sentimen dilakukan untuk mengetahui kecenderungan opini pengguna. Penelitian ini menggunakan metode naïve bayes dan k-Nearest Neighbor pada 8.723 ulasan yang kemudian diklasifikasi sebagai sentimen positif, netral, atau negatif menggunakan K-fold cross validation. Naïve Bayes mencapai akurasi tertinggi sebesar 88,87% pada 10-fold, sementara KNN dengan k optimal di 12-NN mencapai 90,32% pada 2-fold. Dalam perbandingan hasil klasifikasi dengan label pakar kedua, metode Naïve Bayes lebih sesuai dengan akurasi 92,56% dibandingkan KNN yang mencapai 91,73%.
References
I. A. Ratnamulyani and B. I. Maksudi, “PERAN MEDIA SOSIAL DALAM PENINGKATAN PARTISIPASI PEMILIH PEMULA DIKALANGAN PELAJAR DI KABUPATEN BOGOR,” Sosiohumaniora, vol. 20, no. 2, Art. no. 2, Jul. 2018, doi: 10.24198/sosiohumaniora.v20i2.13965.
kenny, “Digital 2023 October Global Statshot Report,” We Are Social Indonesia. Accessed: Jan. 28, 2024. [Online]. Available: https://wearesocial.com/id/blog/2023/10/digital-2023-october-global-statshot-report/
T. I. Suari and D. Gustian, “SENTIMEN ANALISIS TERHADAP PENGGUNA APLIKASI TWITTER PADA GOOGLE PLAYSTORE MENGGUNAKAN METODE NAIVE BAYES,” in Prosiding Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra, 2023, pp. 63–69. Accessed: Jan. 27, 2024. [Online]. Available: https://sismatik.nusaputra.ac.id/index.php/sismatik/article/view/204
G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” INTEGER: Journal of Information Technology, vol. 2, no. 1, Art. no. 1, Mar. 2017, doi: 10.31284/j.integer.2017.v2i1.95.
M. Yasid, “ANALISIS SENTIMEN MASKAPAI CITILINK PADA TWITTER DENGAN METODE NAÏVE BAYES,” JURNAL ILMIAH INFORMATIKA, vol. 7, no. 02, Art. no. 02, Oct. 2019, doi: 10.33884/jif.v7i02.1329.
J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” INSYST: Journal of Intelligent System and Computation, vol. 1, no. 1, Art. no. 1, Aug. 2019, doi: 10.52985/insyst.v1i1.36.
R. Apriani and D. Gustian, “ANALISIS SENTIMEN DENGAN NAÏVE BAYES TERHADAP KOMENTAR APLIKASI TOKOPEDIA,” Jurnal Rekayasa Teknologi Nusa Putra, vol. 6, no. 1, Art. no. 1, Sep. 2019, doi: 10.52005/rekayasa.v6i1.86.
D. C. Hidayati, S. A. Faraby, and A. Adiwijaya, “Klasifikasi Topik Multi Label pada Hadis Shahih Bukhari Menggunakan K-Nearest Neighbor dan Latent Semantic Analysis,” JURIKOM (Jurnal Riset Komputer), vol. 7, no. 1, Art. no. 1, Feb. 2020, doi: 10.30865/jurikom.v7i1.2013.
K. Sihotang and R. Ghaniy, “Penerapan Metode Naïve Bayes Classifier Untuk Penentuan Topik Tugas Akhir Pada Website Perpustakaan STIKOM Binaniaga,” vol. 9, 2019.
B. Bijanto, Z. Abidin, and T. Tamrin, “PEMBELAJARAN ALGORITMA K-NN UNTUK BIG DATASET MENGGUNAKAN METODE SAMPLE BOOTSTRAP DAN WEIGHTED GINI INDEX,” JDPT, vol. 12, no. 2, pp. 71–77, Jan. 2022, doi: 10.34001/jdpt.v12i2.2091.
D. F. Sari, A. Kusjani, D. Kurniawati, and I. Setiawan, “PENCARIAN DATA QUICK COUNT PILPRES DENGAN TEKNIK WEB SCRAPING,” Journal of Innovation Research and Knowledge, vol. 3, no. 5, Art. no. 5, Oct. 2023, Accessed: Nov. 24, 2023. [Online]. Available: https://bajangjournal.com/index.php/JIRK/article/view/6695
E. S. Y. Pandie, “IMPLEMENTASI ALGORITMA DATA MINING NAIVE BAYES PADA KOPERASI,” J-Icon : Jurnal Komputer dan Informatika, vol. 6, no. 1, Art. no. 1, Mar. 2018, doi: 10.35508/jicon.v6i1.350.
A. Y. Simanjuntak, I. S. eptian S. Simatupang, and A. Anita, “IMPLEMENTASI DATA MINING MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER UNTUK DATA KENAIKAN PANGKAT DINAS KETENAGAKERJAAN KOTA MEDAN,” JOURNAL OF SCIENCE AND SOCIAL RESEARCH, vol. 5, no. 1, Art. no. 1, Feb. 2022, doi: 10.54314/jssr.v5i1.804.
Y. Luhulima, “Sentiment Analysis pada Review Barang Berbahasa Indonesia dengan Metode K-Nearest Neighbor (K-NN).,” PhD Thesis, Universitas Brawijaya, 2013. Accessed: Mar. 13, 2024. [Online]. Available: http://repository.ub.ac.id/145885/
M. F. Rahman, D. Alamsah, M. I. Darmawidjadja, and I. Nurma, “Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” Jurnal Informatika, vol. 11, no. 1, p. 36, Jan. 2017, doi: 10.26555/jifo.v11i1.a5452.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Jurnal Transformatika
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
