SENTIMENT ANALYSIS OF DIGITAL WALLET SERVICE USERS USING NAÏVE BAYES CLASSIFIER AND PARTICLE SWARM OPTIMIZATION

SENTIMENT ANALYSIS OF DIGITAL WALLET SERVICE USERS USING NAÏVE BAYES CLASSIFIER AND PARTICLE SWARM OPTIMIZATION

• By Cahyani, Alvie Delia; Mardiana,Tati; Kurniawati, Laela;
• Jurnal Nasional Terakreditasi
• 325
• 1-10

Layanan dompet digital memberikan banyak kemudahan dan keuntungan kepada para
penggunanya. Namun, tidak semua pengguna layanan dompet digital memiliki opini yang positif terhadap layanan tersebut. Oleh karena itu, perusahaan layanan transportasi online perlu melakukan analisis untuk mengetahui sentimen masyarakat terhadap produknya. Metode Naïve Bayes Classifier merupakan metode yang sederhana, cepat, berakurasi tinggi, dan mempunyai performa yang cukup baik untuk melakukan klasifikasi data. Namun, metode Naïve Bayes Classifier mengasumsikan atributnya indepensi sehingga dapat menyebabkan akurasinya kurang optimal. Tujuan penelitian ini adalah mengoptimalkan metode Naïve Bayes classifier menggunakan Particle Swarm Optimization dalam klasifikasi polaritas percakapan layanan dompet digital. Penelitian ini menggunakan data yang dari Twitter sebanyak 490 data tweet. Hasil pengujian dengan confusion matrix dan kurva ROC menunjukkan peningkatan akurasi metode Naïve Bayes Classifier dompet digital Dana dari 60.00% menjadi 91.67% dan dompet digital iSaku dari 53.23% menjadi 85.00%. Hasil uji T-Test dan Anova menunjukkan hasil pengujian pada kedua metode klasifikasi memiliki perbedaan yang nyata dalam nilai accuracy.

• Katakunci Dompet Digital; Twitter; Analisis Sentimen; Naïve Bayes Classifier; Particle Swarm Optimization.
• URL http://ejournal.kresnamediapublisher.com/index.php/jri/article/view/160
• Penerbit LPPM UNTAR, Jakarta DKI Jakarta

REFERENSI

Aaputra, S. A., Didi Rosiyadi, Windu Gata, & Syepry
Maulana Husain. (2019). Sentiment Analysis
Analisis Sentimen E-Wallet Pada Google Play
Menggunakan Algoritma Naive Bayes
Berbasis Particle Swarm Optimization. Jurnal
RESTI (Rekayasa Sistem Dan Teknologi
Informasi), 3(3), 377–382.
https://doi.org/10.29207/resti.v3i3.1118
Budiansyah, A. (2020). GoPay & OVO Cs Kian
Populer, Transaksi Tembus Rp 145 T.
Retrieved April 23, 2020, from CNBC
Indonesia website:
https://www.cnbcindonesia.com/tech/2020
0204112543-37-135041/gopay-ovo-cs-kianpopuler-transaksi-tembus-rp-145-t
Clinten, B. (2019). Pengguna Aktif Harian Twitter
Indonesia Diklaim Terbanyak. Retrieved April
24, 2020, from Kompas website:
https://tekno.kompas.com/read/2019/10/3
0/16062477/pengguna-aktif-harian-twitterindonesia-diklaim-terbanyak
Devita, V. D. (2019). Siapa Aplikasi E-wallet dengan
Pengguna Terbanyak di Indonesia? Retrieved
June 11, 2020, from iPrice Group website:
https://iprice.co.id/trend/insights/e-walletterbaik-di-indonesia/
Hermanto, H., Mustopa, A., & Kuntoro, A. Y. (2020).
Algoritma Klasifikasi Naive Bayes Dan
Support Vector Machine Dalam Layanan
Komplain Mahasiswa. JITK (Jurnal Ilmu
Pengetahuan Dan Teknologi Komputer), 5(2),
211–220.
https://doi.org/10.33480/jitk.v5i2.1181
Indonesia, B. (2020). Informasi Perizinan
Penyelenggara dan Pendukung Jasa Sistem
Pembayaran. Retrieved April 23, 2020, from
Bank Indonesia website:
https://www.bi.go.id/id/sistempembayaran/informasi-perizinan/uangelektronik/penyelenggaraberizin/Contents/Default.aspx
Kurniawan, I., & Susanto, A. (2019). Implementasi
Metode K-Means dan Naïve Bayes Classifier
untuk Analisis Sentimen Pemilihan Presiden
(Pilpres) 2019. Eksplora Informatika, 9(1), 1–
10.
https://doi.org/10.30864/eksplora.v9i1.237
Mahendrajaya, R., Buntoro, G. A., & Setyawan, M. B.
(2019). Analisis Sentimen Pengguna Gopay
Menggunakan Metode Lexicon Based Dan
Support Vector Machine. Komputek, 3(2), 52.
https://doi.org/10.24269/jkt.v3i2.270
Maulana, A. (2016). Twitter Rahasiakan Jumlah
Pengguna di Indonesia. Retrieved April 24,
2020, from CNN Indonesia website:
https://www.cnnindonesia.com/teknologi/2
0160322085045-185-118939/twitterrahasiakan-jumlah-pengguna-di-indonesia
Pertiwi, M. W. (2019). Analisis sentimen opini
publik mengenai sarana dan transportasi
mudik tahun 2019 pada twitter
menggunakan algoritma naïve bayes, neural
network, KNN dan SVM. Inti Nusa Mandiri,
14(1), 27–32.
Pratama, K. A., Pradnyana, G. A., & Arthana, I. K. R.
(2020). Pengembangan Sistem Cerdas Untuk
Prediksi Daftar Kembali Mahasiswa Baru
Dengan Metode Naive Bayes (Studi Kasus:
Universitas Pendidikan Ganesha). Sintech
Journal, 3(1), 22–34.
Saidah, S., & Mayary, J. (2020). Analisis Sentimen
Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based

Dan K – Nearest Neighbor. Jurnal Ilmiah
Informatika Komputer, 25(1).