Analisis Sentimen Opini Masyarakat Terkait Pelayanan Jasa Ekspedisi Anteraja Dengan Metode Naive Bayes

  • Irfan Ricky Affandi Universitas Muhammadiyah Prof. Dr. Hamka
  • Firman Noor Hasan Universitas Muhammadiyah Prof. Dr. Hamka
  • Nunik Pratiwi Universitas Muhammadiyah Prof. Dr. Hamka
  • Zuhri Halim Universitas Muhammadiyah Prof. Dr. Hamka

Abstract

Peningkatan jumlah transaksi pada berbagai platform e-commerce mempunyai implikasi terhadap peningkatan penggunaan jasa ekspedisi. Salah satu perusahaan jasa ekspedisi yang ada di Indonesia yaitu anteraja, dimana perusahaan tersebut harus bisa memiliki inovasi untuk mempunyai hubungan serta memberikan pelayanan yang terbaik bagi penggunanya. Saat ini banyak pengguna layanan anteraja mempunyai pendapat yang beragam terhadap layanan mereka pada media sosial twitter. Penelitian ini menerapkan teknik sentiment analysis untuk membantu mengevaluasi, menganalisis, menilai, serta mengetahui sikap masyarakat terhadap pelayanan Anteraja. Metode untuk mengkategorikan sentimen yang digunakan oleh peneliti yaitu menerapkan algoritma naive bayes yang mempunyai akurasi tinggi, serta prosesnya sederhana dan cepat. Peneliti juga menggunakan bantuan perangkat lunak python untuk proses pengambilan dataset pada twitter serta rapidminner studio untuk pengolahan data serta penerapan algoritma. Hasil dari proses pengolahan data yang dilakukan oleh peneliti didapatkan dari 1180 data, jumlah kategori yang paling banyak yaitu kategori sentimen positif sebesar 638 lalu kategori sentimen negatif sebesar 493 sedangkan paling sedikit yaitu kategori sentimen netral sebanyak 49. Hal ini menunjukkan dari 1180 data bahwa banyak masyarakat yang menyukai pelayanan yang diberikan oleh jasa ekspedisi Anteraja, namun tidak sedikit masyarakat yang masih kurang puas terhadap pelayan yang diberikan. Nilai akurasi penerapan algoritma naive bayes dalam penelitian ini diperoleh persentase sebesar 85.06% yang menunjukkan bahwa data tersebut dapat digunakan sebagai dasar bagi perusahaan untuk pertimbangan pengambilan keputusan.

Author Biographies

Irfan Ricky Affandi, Universitas Muhammadiyah Prof. Dr. Hamka

Program Studi Teknik Informatika

Nunik Pratiwi, Universitas Muhammadiyah Prof. Dr. Hamka

Program Studi Teknik Informatika

Zuhri Halim, Universitas Muhammadiyah Prof. Dr. Hamka

Program Studi Teknik Informatika

References

I. R. Afandi, Y. Handika, I. F. Hanif, and D. Ismail, “Sistem Informasi Penjualan Online Hasil Tani Desa Blukbuk Berbasis Aplikasi Website,” Pros. Semin. Nas. Teknoka, vol. 5, no. 2502, pp. 65–72, 2020.
[2] A. Salam, J. Zeniarja, and R. S. U. Khasanah, “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.
[3] A. K. Dewi and Sulastri, “Analisis Sentimen Ekspedisi Sicepat Dari Ulasan Google Play Mennggunakan Algoritma Naïve Bayes,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 796–805, 2022.
[4] M. T. Nitami and H. Februariyanti, “Analisis Sentimen Analisis Sentimen Ulasan Ekspedisi J&T Express Menggunakan Algoritma Naïve Bayes,” J. Manaj. Inform. Sist. Inf., vol. 5, p. 29, 2022.
[5] L. N. Rahman and Wahyudin, “Optimalisasi Penugasan Karyawan Jasa Ekspedisi Menggunakan Metode Hungarian (Studi Kasus CV. Anteraja Cabang Mekarmukti),” J. Serambi Eng., vol. 6, no. 3, pp. 2120–2127, 2021.
[6] B. Nugraha, “Metode Klasifikasi Analisis Sentimen pada Media Sosial,” Syntax J. Inform., vol. 9, no. 2, pp. 109–118, 2020.
[7] F. N. Hasan and A. Febriandirza, “Perancangan Data Warehouse Untuk Data Penelitian di Perguruan Tinggi Menggunakan Pendekatan Nine Steps Methodologhy,” Pseudocode, vol. VIII, no. 1, pp. 49–57, 2021.
[8] M. N. Akbar, Darmatasia, and Y. Ardana, “Analisis Sentimen Terhadap Jasa Ekspedisi Pos Indonesia Pada Sosial Media Twitter Menggunakan Naïve Bayes Classifier,” J. SHIFT, vol. 2, pp. 42–51, 2022.
[9] W. Rohmatiana and A. Sadiqin, “Analisis Tingkat Kepuasan Pelanggan Terhadap Pelayanan Online Shop Kara Project,” J. Ekon. Manajemen, Bisnis dan Sos., vol. 2, no. November, pp. 62–67, 2021.
[10] F. Prasetiawan, S. Widiyanesti, and T. Widarmanti, “Analisis Sentimen Mengenai Kualitas Layanan Jasa Ekspedisi Barang Sicepat Di Media Sosial Twitter,” in e-Proceeding of Management, 2022, vol. 9, no. 2, pp. 1–14.
[11] D. P. Isnarwaty and Irhamah, “Text Clustering pada Akun TWITTER Layanan Ekspedisi JNE, J&T, dan Pos Indonesia Menggunakan Metode Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dan K-Means,” J. Sains dan Seni ITS, vol. 8, no. 2, pp. 2–9, 2019.
[12] T. A. Lorosae, B. D. Prakoso, Saifudin, and Kusrini, “Analisis Sentimen Berdasarkan Opini Masyarakat Pada Twitter Menggunakan Naïve Bayes,” Semin. Nas. Teknol. Inf. dan Multimed., pp. 25–30, 2018.
[13] F. Rizqi Irawan, A. Jazuli, and T. Khotimah, “Analisis Sentimen Terhadap Pengguna Gojek Menggunakan Metode K-Nearset Neighbors,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 1, pp. 62–68, 2022.
[14] A. R. Rizqullah, A. Wedhasmara, R. I. Heroza, A. Putra, F. Fathoni, and P. Putra, “Analisis Masalah Pada Data Review Aplikasi Terhadap Layanan E-Commerce Menggunakan Metode Text Classification,” J. Tekno Kompak, vol. 16, no. 1, p. 186, 2022.
[15] F. N. Hasan and M. Dwijayanti, “Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier,” J. Linguist. Komputasional, vol. 4, no. 2, pp. 52–58, 2021.
[16] J. J. A. Limbong, I. Sembiring, and K. D. Hartomo, “Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor Analysis of Review Sentiment Classification on E-Commerce Shopee Word Cloud Based With Naïve Bayes and K-Nearest Neighbor Meth,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, pp. 347–356, 2019.
[17] R. Akmalia, I. Slamet, and H. Pratiwi, “Analisis Sentimen Twitter Berbahasa Indonesia Terhadap Aplikasi PeduliLindungi dengan Algoritma SVM, KNN, dan Regresi Logistik,” in Prosiding Seminar Nasional MIPA UNIPA, 2022.
[18] J. D. C. Aruan, B. Rahyudi, and A. Ridok, “Analisis Sentimen Opini Masyarakat terhadap Pelayanan Rumah Sakit Umum Daerah menggunakan Metode Support Vector Machine dan Term Frequency,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 5, pp. 2072–2078, 2022.
[19] A. R. Prananda and I. Thalib, “Sentiment Analysis for Customer Review: Case Study of GO-JEK Expansion,” J. Inf. Syst. Eng. Bus. Intell., vol. 6, no. 1, p. 1, 2020.
[20] N. I. P. Kalingara, O. N. Pratiwi, and H. D. Anggana, “Analisis Sentimen Review Customer Terhadap Layanan Ekspedisi Jne Dan J & T Express Menggunakan Metode Naïve Bayes,” in e-Proceeding of Engineering, 2021, vol. 8, no. 5, pp. 9035–9048.
[21] I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By . u,” J. Media Inform. Budidarma, vol. 6, pp. 1411–1417, 2022.
[22] Asyharudin et al., “Comparing Algorithm For Sentiment Analysis In Healthcare And Social Security Agency (BPJS Kesehatan),” J. Comput. Inf. Technol., vol. 19, no. 1, pp. 31–37, 2022.
[23] A. Asro’i and F. Herny, “Analisis Sentimen Pengguna Twitter terhadap Perpanjangan PPKM Menggunakan Metode K-Nearest Neighbor,” J. Khatulistiwa Inform., vol. 10, no. 1, pp. 17–24, 2022.
[24] D. D. Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022.
[25] R. Slamet, W. Gata, A. Novtarianty, K. Hilyati, and F. A. Jariyah, “Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan Lokal,” J. Inf. Technol. Comput. Sci., vol. 5, pp. 9–25, 2022.
[26] S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021.
[27] A. Aziz and Fauziah, “Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength,” J. Sains Komput. Inform., vol. 6, no. 1, pp. 115–125, 2022.
[28] A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020.
[29] A. Saputra and Sofiyanurriyanti, “Analisis Kepuasan Pelanggan terhadap Kualitas Pelayanan Jasa Ekspedisi dengan Metode Servqual dan Data Envelopment Analysis (DEA) di Kota Meulaboh,” J. Sist. Tek. Ind., vol. 23, no. 1, pp. 82–96, 2021.
Published
2022-11-20
How to Cite
AFFANDI, Irfan Ricky et al. Analisis Sentimen Opini Masyarakat Terkait Pelayanan Jasa Ekspedisi Anteraja Dengan Metode Naive Bayes. Jurnal Linguistik Komputasional, [S.l.], v. 5, n. 2, p. 63 - 70, nov. 2022. ISSN 2621-9336. Available at: <http://inacl.id/journal/index.php/jlk/article/view/107>. Date accessed: 29 jan. 2023. doi: https://doi.org/10.26418/jlk.v5i2.107.
Section
Articles