ANALISIS SENTIMEN PENGGUNA MEDIA SOSIAL TERHADAP APLIKASI M-HEALTH PEDULI LINDUNGI DENGAN METODE LEXICON BASED DAN NAÏVE BAYES

Riky Iskandar Syah, Hoiriyah Hoiriyah, Miftahul Walid

Abstract


Pedulilindungi atau satusehat merupakan aplikasi yang dirilis secara resmi guna menangani penyebaran virus Covid-19 dan vaksinasi. Namun, dikarenakan suatu insiden besarnya kebocoran data pribadi, terutama identitas pribadi, kepercayaan masyarakat terhadap aplikasi tersebut sangat rendah. Untuk mengetahui pendapat masyarakat saat ini maka dilakukanlah penelitian dengan mengkombinasikan metode Lexicon Based dan Naïve Bayes. Hasil klasifikasi sentiment memperoleh nilai yaitu 62% negative, 32% netral, 6% positif pada Tiktok. 56% negative, 37% netral, 7% positif pada Youtube. 100% positif pada Twitter, dengan jumlah keseluruhan 118 skor negative, 69 skor netral, 113 skor positif, maka dapat disumpulkan masyarakat memiliki opini negative pada aplikasi peduli lindungi. Hasil evaluasi kinerja model memperoleh akurasi 91%, presisi 94%, recall 82%, f1_scores 86% pada Tiktok, pada Youtube akurasi sebesar 90%, presisi 93%, recall 81%, f1_scores 84%. Pada Twitter akurasi 70%, presisi 23%, recall 33%, f1-scores 28%. Pengkombinasian metode Lexicon Based dan Naïve Bayes ini memiliki akurasi yang sangat tinggi pada media sosial Tiktok dan Youtube, sehingga untuk penelitian selanjutnya pada media sosial Twitter perbanyak data yang diambil. Juga penelitian ini diharapkan dapat membantu membangun kembali aplikasi supaya lebih optimal.

Keywords


pedulilindungi, satusehat, lexicon based, naïve bayes

Full Text:

PDF

References


A. Fastyaningsih, D. Priyantika, F. T. Widyastuti, and A. R. Herawati, “KEBERHASILAN APLIKASI PEDULILINDUNGI TERHADAP KEBIJAKAN PERCEPATAN VAKSINASI DAN AKSES PELAYANAN PUBLIK DI INDONESIA,” vol. 6, no. 2, pp. 95–109, 2021.

Z. Rais, F. T. T. Hakiki, and R. Aprianti, “Sentiment Analysis of Peduli Lindungi Application Using the Naive Bayes Method,” j. scimathedu, vol. 11, no. 1, pp. 23–29, Jun. 2022, doi: 10.35877/sainsmat794.

H. Wijayanto, D. Daryono, and S. Nasiroh, “Analisis Forensik Pada Aplikasi Peduli Lindungi Terhadap Kebocoran Data Pribadi,” TIKomSiN, vol. 9, no. 2, p. 11, Nov. 2021, doi: 10.30646/tikomsin.v9i2.572.

P. Astuti and N. Nuris, “Penerapan Algoritma KNN Pada Analisis Sentimen Review Aplikasi Peduli Lindungi,” co-science, vol. 2, no. 2, pp. 137–142, Jul. 2022, doi: 10.31294/coscience.v2i2.1258.

R. Akmalia, I. Slamet, and H. Pratiwi, “Analisis Sentimen Twitter Berbahasa Indonesia Terhadap Aplikasi PeduliLindungi dengan Algoritma SVM, KNN, dan Regresi Logistik,” PSNMU, pp. 150–156, May 2022, doi: 10.30862/psnmu.v7i1.21.

M. R. U. Pulungan, D. E. Ratnawati, and B. Rahayudi, “Analisis Sentimen Ulasan Aplikasi PeduliLindungi dengan Metode Random Forest,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 9, pp. 4378–4385, 2022.

S. Siswanto, Z. Mar’ah, A. S. D. Sabir, T. Hidayat, F. A. Adhel, and W. S. Amni, “The Sentiment Analysis Using Naïve Bayes with Lexicon-Based Feature on TikTok Application,” JV, vol. 6, no. 1, pp. 89–96, Nov. 2022, doi: 10.30812/varian.v6i1.2205.

D. Pajri, Y. Umaidah, and T. N. Padilah, “K-Nearest Neighbor Berbasis Particle Swarm Optimization untuk Analisis Sentimen Terhadap Tokopedia,” JuTISI, vol. 6, no. 2, Aug. 2020, doi: 10.28932/jutisi.v6i2.2658.

A. Firdaus and W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan),” vol. 13, no. 1, 2021.

M. Romzi and B. Kurniawan, “PEMBELAJARAN PEMROGRAMAN PYTHON DENGAN PENDEKATAN LOGIKA ALGORITMA,” vol. 3, no. 2, 2020.

E. Y. Hidayat, R. W. Hardiansyah, and A. Affandy, “Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network,” TEKNOSI, vol. 7, no. 2, pp. 108–118, Sep. 2021, doi: 10.25077/TEKNOSI.v7i2.2021.108-118.

A. Y. Permana and M. M. Effendi, “Analisis Sentimen pada Teks Opini Penilaian Kinerja Dosen dengan Pendekatan Algoritma KNN,” jikstik, vol. 19, no. 1, Mar. 2020, doi: 10.32409/jikstik.19.1.154.

R. Mahendrajaya, G. A. Buntoro, and M. B. Setyawan, “ANALISIS SENTIMEN PENGGUNA GOPAY MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE,” jkt, vol. 3, no. 2, p. 52, Oct. 2019, doi: 10.24269/jkt.v3i2.270.

M. Al Khadafi, Kurnia Paranitha Kartika, and Filda Febrinita, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN LEXICON BASED UNTUK ANALISIS SENTIMEN CYBERBULLYING PADA BPJS,” jati, vol. 6, no. 2, pp. 725–733, Oct. 2022, doi: 10.36040/jati.v6i2.5633.

G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” Journal Of Information Technology, vol. 2, no. 1, Mar. 2017, doi: 10.31284/j.integer.2017.v2i1.95.

Dr. A. Gruzd and P. M. J.D. M. A. ,., “Netlytic - social media text and social networks analyzer,” 2023 2006. https://netlytic.org/ (accessed Feb. 08, 2023).

R. L. Mustofa and B. Prasetiyo, “Sentiment analysis using lexicon-based method with naive bayes classifier algorithm on #newnormal hashtag in twitter,” J. Phys.: Conf. Ser., vol. 1918, no. 4, p. 042155, Jun. 2021, doi: 10.1088/1742-6596/1918/4/042155.

F. Amaliah and I. K. Dwi Nuryana, “Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” JINACS, vol. 3, no. 03, pp. 384–393, Apr. 2022, doi: 10.26740/jinacs.v3n03.p384-393.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 5, pp. 697–711, Sep. 2021.

A. Akbar and R. A. Supono, “Prediksi Kelancaran Piutang Pelanggan pada PT. Citra Ina Feedmill dengan Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbors,” JIE, vol. 6, no. 1, p. 558, Feb. 2022, doi: 10.29040/jie.v6i1.4692.




DOI: http://dx.doi.org/10.21927/ijubi.v6i1.3275

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Indonesian Journal of Business Intelligence (IJUBI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Lisensi Creative Commons
IJUBI by https://ejournal.almaata.ac.id/index.php/IJUBI is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

View My Stats
Indonesian Journal of Business Intelligence (IJUBI)
Department of Information System
Alma Ata University
Email: ijubi@almaata.ac.id