ANALISIS SENTIMEN PADA APLIKASI DESA WISATA NUSANTARA DI PLAYSTORE MENGGUNAKAN METODE NAIVE BAYES DAN DECISION TREE

ANALISIS SENTIMEN PADA APLIKASI DESA WISATA NUSANTARA DI PLAYSTORE MENGGUNAKAN METODE NAIVE BAYES DAN DECISION TREE

• By DHIMAS SUPRIYANTO;
• S1- Sistem Infomasi
• 368

Salah satu kemungkinan sumber Pendapatan Asli Desa (PADes) bagi masyarakat Indonesia adalah industri pariwisata. Dalam beberapa tahun terakhir, wisatawan sudah mulai memilih untuk mengunjungi desa-desa. Desa wisata berkontribusi pada peningkatan pendapatan lokal terkait pariwisata. Kegiatan desa wisata sudah memberikan kontribusi finansial yang cukup besar, namun diproyeksikan akan meningkat. Pengaruh menguntungkan media sosial terhadap pertumbuhan teknologi informasi (TI) memiliki sejumlah keunggulan, antara lain memudahkan dalam berkomunikasi dan mencari serta mengakses informasi. Bidang studi baru yang disebut analisis sentimen diciptakan sebagai hasil dari banyaknya informasi yang dibagikan, termasuk informasi dari internet. Kajian ini akan melihat permasalahan yang diangkat dari sejumlah evaluasi aplikasi Google Play Store untuk Desa Wisata Nusantara dan mengevaluasi ketepatan analisis sentimen yang dihasilkan oleh algoritma Naive Bayes dan Decision Tree. Manfaat penelitian ini antara lain memberikan dukungan empiris terhadap teori-teori terkait sehingga dapat digunakan sebagai saran untuk pembuatan teori selanjutnya dan membantu administrasi aplikasi Desa Wisata Nusantara mengenai komentar baik atau negatif dari pengguna aplikasi. Dengan accuracy 87,71%, precision 85,6%, recall 93,54%, dan AUC 0,977, algoritma Naive Bayes termasuk dalam kategori excellent classification.

• Katakunci Desa wisata, analisis sentimen, text mining, naive bayes, decision tree
• URL http://
• Penerbit Universitas Nusa Mandiri, Jakarta DKI Jakarta

REFERENSI

[1] M. Sulthan and S. Ardiputra, “KOMUNIKASI PENYULUHAN PARIWISATA MENUJU DESA WISATA PAMBOBORANG,” Community Dev. J. J. Pengabdi. Masy., vol. 2, no. 3, 2021.

[2] N. K. O. Pratiwi, “Analisis Swot Untuk Meningkatkan Kunjungan Wisata Di Objek Wisata Goa Gajah Desa Bedulu, Kecamatan Blahbatuh, Kabupaten Gianyar Tahun 2017,” J. Pendidik. Ekon. Undiksha, vol. 11, no. 1, pp. 95–105, 2019.

[3] R. Ferryawan, K. Kusrini, and F. W. Wibowo, “Analisis Sentimen Wisata Jawa Tengah Menggunakan Naϊve Bayes,” J. Inf. J. Penelit. dan Pengabdi. Masy., vol. 5, no. 3, pp. 55–60, 2019.

[4] W. Latuny, V. O. Lawalata, D. B. Paillin, and R. Ohoirenan, “PREDIKSI FITUR KEMASAN PRODUK MINYAK KAYU PUTIH DENGAN
SUPPORT VECTOR MACHINE (SVM),” ALE Proceeding, vol. 4, pp. 76–
82, 2021.

[5] S. Fanissa, M. A. Fauzi, and S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. e-ISSN, vol. 2548, p. 964X, 2018.

[6] I. N. Anshari, “Sirkulasi Film dan Program Televisi di Era Digital: Studi Kasus Praktik Download dan Streaming melalui Situs Bajakan,” Komuniti J. Komun. dan Teknol. Inf., vol. 10, no. 2, pp. 88–102, 2019.

[7] N. L. W. S. R. Ginantra et al., Data mining dan penerapan algoritma. Yayasan Kita Menulis, 2021.

[8] M. H. Adiya and Y. Desnelita, “Jurnal Nasional Teknologi dan Sistem Informasi Penerapan Algoritma K-Means Untuk Clustering Data ObatObatan Pada RSUD Pekanbaru,” vol, vol. 1, pp. 17–24, 2019.

[9] S. T. Wierzchoń and M. A. Kłopotek, Modern algorithms of cluster analysis, vol. 34. Springer, 2018.

[10] H. D. Wijaya and S. Dwiasnati, “Implementasi Data Mining dengan
Algoritma Naïve Bayes pada Penjualan Obat,” J. Inform., vol. 7, no. 1, pp. 1–7, 2020.

[11] M. R. Noviansyah, T. Rismawan, and D. M. Midyanti, “Penerapan data mining menggunakan metode k-nearest neighbor untuk klasifikasi indeks cuaca kebakaran berdasarkan data AWS (automatic weather station)(studi kasus: kabupaten Kubu Raya),” Coding J. Komput. dan Apl., vol. 6, no. 2, 2018.

[12] R. Siringoringo and J. Jamaludin, “Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online,” J. Teknol. Dan Ilmu Komput. Prima, vol. 2, no. 1, pp. 314–319, 2019.

[13] W. Pratama, R. Ilyas, and F. Kasyidi, “Peringkasan Otomatis Makalah Menggunakan Maximum Marginal Relevance,” Informatics Digit. Expert, vol. 3, no. 1, pp. 32–37, 2021.

[14] E. S. Basryah, A. Erfina, and C. Warman, “ANALISIS SENTIMEN APLIKASI DOMPET DIGITAL DI ERA 4.0 PADA MASA PENDEMI COVID-19 DI PLAY STORE MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER,” in Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra, 2021, vol. 1, no. 01, pp. 189–196.

[15] E. Utami, “Comparison Naïve Bayes Classifier, K-nearest Neighbor and Support Vector Machine in the Classification of Individual on Twitter Account,” J. Tek. Inform., vol. 3, no. 3, pp. 673–680, 2022.

[16] A. Hendra and F. Fitriyani, “Analisis Sentimen Review Halodoc Menggunakan Nai ̈ve Bayes Classifier,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 78–89, 2021.

[17] N. Surojuddin and K. Khoerrudin, “Penerapan Algoritma Apriori Untuk Menentukan Penjualan Produk Pada Minimarket Studi Kasus Indomaret Ruko Ventura,” J. SIGMA, vol. 9, no. 4, pp. 1–14, 2019.

[18] S. Nurwahyuni, “Analisis Sentimen Aplikasi Transportasi Online Krl Access Menggunakan Metode Naive Bayes,” Swabumi, vol. 7, no. 1, pp. 31–36, 2019.

[19] A. S. Sunge, “Prediksi Kompetensi Karyawan Menggunakan Algoritma C4. 5 (Studi Kasus: PT Hankook Tire Indonesia),” Semin. Nas. Teknol. Inf. dan Komun. 2018 (SENTIKA 2018), vol. 2018, pp. 23–24, 2018.

[20] A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020.

[21] A. Rahman, E. Utami, and S. Sudarmawan, “Sentimen Analisis Terhadap Aplikasi pada Google Playstore Menggunakan Algoritma Naïve Bayes dan Algoritma Genetika,” J. Komtika (Komputasi dan Inform., vol. 5, no. 1, pp. 60–71, 2021.

[22] M. D. Hendriyanto, A. A. Ridha, and U. Enri, “Analisis Sentimen Ulasan Aplikasi Mola Pada Google Play Store Menggunakan Algoritma Support Vector Machine,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 5, no. 1, pp. 1–7, 2022.

[23] J. J. A. Limbong and I. Sembiring, “Analisis Klasifikasi Sentimen Ulasan Pada E-Commerce Shopee Berbasis Word Cloud Dengan Metode Naive Bayes Dan K-Nearest Neighbor,” J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 2, pp. 347–356, 2022.

[24] G. K. Locarso, “ANALISIS SENTIMEN REVIEW APLIKASI PEDULILINDUNGI PADA GOOGLE PLAY STORE MENGGUNAKAN NBC,” JTIK (Jurnal Tek. Inform. Kaputama), vol. 6, no. 2, pp. 353–361, 2022.

[25] D. S. Utami and A. Erfina, “Analisis Sentimen Pinjaman Online Di Twitter Menggunakan Algoritma Support Vector Machine (SVM),” in Seminar Nasional Sistem Informasi dan Manajemen Informatika Universitas Nusa Putra, 2021, vol. 1, no. 01, pp. 299–305.