{"title":"应用 Naive Bayes 对雅加达-万隆高速列车 (Whoosh) 的社交媒体 Twitter 用户进行情感分析","authors":"Tifani Agustiranti, Aulia Khalfani Izzati Kurdiana, Bilal Al Ghiffari, Elza Dwi Juniar, Diki Gita Purnama","doi":"10.55338/jikomsi.v7i1.2946","DOIUrl":null,"url":null,"abstract":"Dalam era digital saat ini, media sosial telah menjadi platform utama bagi pengguna untuk berbagi pengalaman dan pendapat mereka terkait berbagai layanan publik, termasuk layanan transportasi. Kereta Cepat Jakarta-Bandung (whoosh) adalah salah satu proyek infrastruktur yang penting di Indonesia, menawarkan alternatif transportasi yang efisien antara dua kota metropolitan utama. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan kereta cepat Jakarta-Bandung (whoosh) melalui data ulasan yang dikumpulkan dari media sosial Twitter. Metode penelitian melibatkan pengumpulan data melalui crawling Twitter, pelabelan data manual, pra-pemrosesan teks, pembobotan TF-IDF, dan penerapan algoritma Naive Bayes Classifier. Hasil penelitian menunjukkan bahwa tanggapan masyarakat cenderung positif terhadap pengguna kereta cepat tersebut dengan tingkat akurasi klasifikasi mencapai 88%. Meskipun demikian, terdapat sejumlah data yang belum terklasifikasi dengan baik, menunjukkan tantangan dalam mendeteksi sentimen netral dengan tepat. Implikasi dari penelitian ini adalah pentingnya analisis sentimen dalam memahami persepsi publik terhadap pengguna layanan transportasi dan potensi pengembangan metode klasifikasi yang lebih canggih untuk meningkatkan akurasi klasifikasi sentimen pada data yang kompleks.","PeriodicalId":517527,"journal":{"name":"Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)","volume":" 5","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-03-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Kereta Cepat Jakarta-Bandung (Whoosh)\",\"authors\":\"Tifani Agustiranti, Aulia Khalfani Izzati Kurdiana, Bilal Al Ghiffari, Elza Dwi Juniar, Diki Gita Purnama\",\"doi\":\"10.55338/jikomsi.v7i1.2946\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Dalam era digital saat ini, media sosial telah menjadi platform utama bagi pengguna untuk berbagi pengalaman dan pendapat mereka terkait berbagai layanan publik, termasuk layanan transportasi. Kereta Cepat Jakarta-Bandung (whoosh) adalah salah satu proyek infrastruktur yang penting di Indonesia, menawarkan alternatif transportasi yang efisien antara dua kota metropolitan utama. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan kereta cepat Jakarta-Bandung (whoosh) melalui data ulasan yang dikumpulkan dari media sosial Twitter. Metode penelitian melibatkan pengumpulan data melalui crawling Twitter, pelabelan data manual, pra-pemrosesan teks, pembobotan TF-IDF, dan penerapan algoritma Naive Bayes Classifier. Hasil penelitian menunjukkan bahwa tanggapan masyarakat cenderung positif terhadap pengguna kereta cepat tersebut dengan tingkat akurasi klasifikasi mencapai 88%. Meskipun demikian, terdapat sejumlah data yang belum terklasifikasi dengan baik, menunjukkan tantangan dalam mendeteksi sentimen netral dengan tepat. Implikasi dari penelitian ini adalah pentingnya analisis sentimen dalam memahami persepsi publik terhadap pengguna layanan transportasi dan potensi pengembangan metode klasifikasi yang lebih canggih untuk meningkatkan akurasi klasifikasi sentimen pada data yang kompleks.\",\"PeriodicalId\":517527,\"journal\":{\"name\":\"Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)\",\"volume\":\" 5\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-03-20\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.55338/jikomsi.v7i1.2946\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55338/jikomsi.v7i1.2946","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Kereta Cepat Jakarta-Bandung (Whoosh)
Dalam era digital saat ini, media sosial telah menjadi platform utama bagi pengguna untuk berbagi pengalaman dan pendapat mereka terkait berbagai layanan publik, termasuk layanan transportasi. Kereta Cepat Jakarta-Bandung (whoosh) adalah salah satu proyek infrastruktur yang penting di Indonesia, menawarkan alternatif transportasi yang efisien antara dua kota metropolitan utama. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penggunaan kereta cepat Jakarta-Bandung (whoosh) melalui data ulasan yang dikumpulkan dari media sosial Twitter. Metode penelitian melibatkan pengumpulan data melalui crawling Twitter, pelabelan data manual, pra-pemrosesan teks, pembobotan TF-IDF, dan penerapan algoritma Naive Bayes Classifier. Hasil penelitian menunjukkan bahwa tanggapan masyarakat cenderung positif terhadap pengguna kereta cepat tersebut dengan tingkat akurasi klasifikasi mencapai 88%. Meskipun demikian, terdapat sejumlah data yang belum terklasifikasi dengan baik, menunjukkan tantangan dalam mendeteksi sentimen netral dengan tepat. Implikasi dari penelitian ini adalah pentingnya analisis sentimen dalam memahami persepsi publik terhadap pengguna layanan transportasi dan potensi pengembangan metode klasifikasi yang lebih canggih untuk meningkatkan akurasi klasifikasi sentimen pada data yang kompleks.