Analisis sentimen customer review brand Kopi Kenangan menggunakan metode Naive Bayes

Hariri, Fajar Rohman Analisis sentimen customer review brand Kopi Kenangan menggunakan metode Naive Bayes. Research Report. LP2M UIN Malang, MALANG. (Submitted)

[img] Text
22040.pdf
Restricted to Repository staff only

Download (167kB)

Abstract

Analisis sentimen adalah Teknik untuk mengekstrak atau mengelola teks agar dapat
diekspresikan menggunakan teks juga dapat diklasifikasikan termasuk ke dalam polaritas positif,
netral atau negatif. Customer review adalah bentuk komunikasi yang dapat dilakukan pada
penjualan dimana calon pembeli mendapatkan informasi dari produk yang diposting kemudian
review dilakukan pembeli yang menggambarkan untung maupun rugi jika menggunakan produk
tersebut. Pada penelitian ini analisis sentimen diimplementasikan pada opini yang diberikan oleh
customer pada akun media sosial Instagram. Memanfaatkan data dari sosial media penelitian ini
bertujuan untuk mengevaluasi perusahaan baik dari segi pemasaran maupun pelayanan yang
diberikan dengan cara mengklasifikasikan ke dalam opini positif, netral dan negatif. Metode yang
digunakan untuk klasifikasi sentimen ialah Naive Bayes dengan kombinasi Laplacian Correction
dan K Fold Cross Validation. Input data pada penelitian ini berupa komentar dan output nya berupa
data sentimen positif, netral dan negatif. Uji coba analisis sentimen yang sudah dilakukan
menggunakan metode Naive Bayes dengan K Fold Cross validation untuk mengevaluasi model
dengan menggunakan nilai k = 5 merupakan nilai terbesar yang didapatkan setelah melakukan
empat kali pengujian berhasil melakukan analisis sentimen dengan nilai akurasi sebesar 72%,
presisi 73%, recall 73% dan f1-score 72%.

Item Type: Research (Research Report)
Keywords: Analisis sentimen, Kopi Kenangan, Naive Bayes, Laplacian Correction, K Fold Cross Validation
Subjects: 08 INFORMATION AND COMPUTING SCIENCES > 0802 Computation Theory and Mathematics > 080201 Analysis of Algorithms and Complexity
Divisions: Faculty of Technology > Department of Informatics Engineering
Depositing User: Fajar Rohman Hariri
Date Deposited: 05 Dec 2024 13:13

Downloads

Downloads per month over past year

Origin of downloads

Actions (login required)

View Item View Item