ANALISIS SENTIMEN TERHADAP PENGGUNA GOJEK MENGGUNAKAN METODE K-NEARSET NEIGHBORS

Faiza Rizqi Irawan, Ahmad Jazuli, Tutik Khotimah

Abstract


Zaman modern menjadikan internet sebagai hal wajar, masyarakat sering menggunakan media sosial sebagai microblogging. Masyarakat  menggunakannya untuk mengekspresikan diri dan mengemukakan pendapat. Salah satu media sosial yang digunakan yaitu twitter, pengguna dapat membagikan informasi, memberikan pendapat, menjelaskan suatu kejadian dan sebagainya. Gojek merupakan startup yang bergerak dibidang ride hailing. Perusahaan Gojek sudah berdiri dari tahun 2010 oleh Nadiem Makarim, hampir seluruh kota di Indonesia sudah terjangkau Gojek. Pengguna memberikan feedback terhadap layanan Gojek melalui twitter dan media sosial lainya. Pada penelitian ini muncul masalah dalam mengklasifikasikan respon dari pengguna twitter kedalam respon positif, negatif, dan netral apabila dilakukan dengan cara manual akan membutuhkan waktu yang lama. Oleh karena itu dibutuhkan sistem klasifikasi untuk memudahkan dalam mengklasifikasi respon pengguna gojek di twitter dengan menerapkan metode K-Nearest Neighbor. Hasil klasifikasi menggunakan metode K-Nearest Neighbor mampu mengklasifikasikan respon dari pengguna twitter dan dapat digunakan perusahaan Gojek sebagai bahan evaluasi dan penilaian terhadap layanan Gojek. Hasil pengujian metode K-Nearest Neighbor menggunakan confusion matrix dengan data sebanyak 1409 mendapatkan tingkat akurasi sebesar 79,43% dengan nilai k=15.


References


D. A. P. Wulandari, M. Sudarma, and N. Paramaita. 2019. “Pemanfaatan Big Data Media Sosial Dalam Menganalisa Kemenangan Pilkada,†Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, p. 101, doi: 10.24843/mite.2019.v18i01.p15.

I. P. Windasari, F. N. Uzzi, and K. I. Satoto. 2017. “Sentiment analysis on Twitter posts: An analysis of positive or negative opinion on GoJek,†Proc. - 2017 4th Int. Conf. Inf. Technol. Comput. Electr. Eng. ICITACEE 2017, vol. 2018-Januari, pp. 266–269,doi: 10.1109/ICITACEE.2017.8257715.

A. Salam, J. Zeniarja, and R. S. U. Khasanah. 2018. “Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia),†Pros. SINTAK, pp. 480–486, 2018.

A. A. Irfa, Adiwijaya, and M. S. Mubarok. 2018. “Klasifikasi Topik Berita Berbahasa Indonesia Menggunakan k-Nearest Neighbor,†e-Proceeding Eng., vol. 5, no. 2, p. 3631.

A. Nurzahputra and M. A. Muslim. 2016.“Analisis Sentimen pada Opini Mahasiswa Menggunakan Natural Language Processing,†Semin. Nas. Ilmu Komput., no. Snik, pp. 114–118.

M. M. Yulian Findawati, S.T. and M. K. Muhammad Alfan Rosid, S.Kom. 2020. BUKU AJAR TEXT MINING. UMSIDA Press Anggota IKAPI No. 218/Anggota Luar Biasa/JTI/2019 Anggota APPTI No. 002 018 1 09 2017.

H. S. Jose, P. A. Firdausa, M. Khalifah, and N. Ayuningsih. 2021. “CORPORATE DIPLOMACY GO-JEK MELALUI PENDIRIAN GO-VIET 2018-2020: TINJAUAN NATION BRANDING INDONESIA DI VIETNAM,†vol. 6, no. 02, pp. 817–828.

M. M. Baharuddin, H. Azis, and T. Hasanuddin. 2019. “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,†Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, doi: 10.33096/ilkom.v11i3.489.269-274.

E. R. Pramudya, G. Raharjito, A. Susanto, and M. Muslih. 2020. “Implementasi Algoritma K-Neares Neighbor dalam Pengenalan Aksara Jawa Berbasis Android untuk Anak Sekolah Dasar,†J. Inform. dan Rekayasa Perangkat Lunak, vol. 2, no. 2, p. 98, doi: 10.36499/jinrpl.v2i2.3543.

R. D. Liklikwatil, E. Noersasongko, and C. Supriyanto. 2018. “Optimasi K-Nearest Neighbor Dengan Particle Swarm Optimization Untuk Memprediksi Harga Komoditi Karet,†e-Jurnal JUSITI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 7–2, no. 2, pp. 172–182, doi: 10.36774/jusiti.v7i2.252.

K. H. Nasution, Widodo, and B. P. Adhi. 2021. “Sistem Deteksi Topik Politik Pada Twitter Menggunakan Algoritma Latent Dirichlet Allocation,†PINTER J. Pendidik. Tek. Inform. dan Komput., vol. 5, no. 1, pp. 76–83, doi: 10.21009/pinter.5.1.10.

M. W. A. Putra, Susanti, Erlin, and Herwin. 2021. “Analisis Sentimen Dompet Elektronik Pada Twitter Menggunakan Metode Naïve Bayes Classifier,†IT J. Res. Dev., vol. 5, no. 1, pp. 72–86, doi: 10.25299/itjrd.2020.vol5(1).5159.

S. Hikmawan, A. Pardamean, and S. N. Khasanah.2020. “Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning,†J. Kaji. Ilm., vol. 20, no. 2, pp. 167–176, doi: 10.31599/jki.v20i2.117.

D. S. V. and M. R.Janani. 2016. “Text Mining: open Source Tokenization Tools – An Analysis,†Adv. Comput. Intell. An Int. J., vol. 3, no. 1, pp. 37–47, doi: 10.5121/acii.2016.3104.

N. Fitriyah, B. Warsito, and D. A. I. Maruddani. 2020.“Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (Svm,†J. Gaussian, vol. 9, no. 3, pp. 376–390, doi: 10.14710/j.gauss.v9i3.28932.

H. S. Raja and S. Magdhalena. 2019. “Twitter Sentimen Gojek Indonesia Dan Grab,†Pros. Semin. Nas. Mat. Stat. dan Apl. 2019, vol. I, pp. 256–261.

M. Papuangan. 2018. “Penerapan Case Based Reasoning Untuk Sistem Diagnosis Penyakit Hepatitis,†JIKO (Jurnal Inform. dan Komputer), vol. 1, no. 1, pp. 7–12, doi: 10.33387/jiko.v1i1.1165.




DOI: https://doi.org/10.33387/jiko.v5i1.4267

Refbacks

  • There are currently no refbacks.