ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF

  • regina Universitas Lambung Mangkurat
  • Triando Hamonangan Saragih Universitas Lambung Mangkurat
  • Dwi Kartini Universitas Lambung Mangkurat

Abstract

BTS (Bangtan Boys) adalah salah satu boy grup asal korea selatan yang ditunjuk oleh Tokopedia untuk menjadi brand ambassador Tokopedia di Indonesia, BTS merupakan salah satu boy grup yang sangat mendunia dalam bidang musik dan Tokopedia merupakan salah satu E-commerce terkenal yang banyak digunakan oleh masyarakat indonesia untuk melakukan jual beli online. Kerjasama ini tentu saja memberikan pengaruh terhadap Tokopedia serta memperoleh banyak respon berupa opini masyarakat terutama pada media sosial twitter, karena hal tersebut maka dilakukan penelitian analisis sentiment. Data yang digunakan yaitu 900 data tweet dan terbagi menjadi 3 kelas yaitu positif, negatif, dan netral. Tahapan penilitian terdiri dari pengambilan dan pengumpulan data, preprocessing data, ekstraksi fitur dengan Term Frequency - Inverse Document Frequency (TF-IDF), klasifikasi dengan Bayesian network, evaluasi kinerja menggunakan K-fold cross validation (K-10) dan confution matrix. Perbandingan terjadi pada tahap preprocessing data, yaitu saat menggunakan normalisasi data dan tidak menggunakan normalisasi data, dari hasil perbandingan tersebut diperoleh nilai akurasi jika tidak menggunakan normalisasi data sebesar 66,6667%, presisi sebesar 68,1%, dan recall sebesar 66,7%. Sedangkan hasil akurasi dengan menggunakan normalisasi data sebesar 76,5556%, presisi sebesar 77,4%, dan recall sebesar 76,6%. Selisih nilai akurasi dari kedua percobaan sebesar 9,8889 %, hal ini membuktikan bahwa menggunakan normalisasi data lebih baik.

Downloads

Download data is not yet available.

References

Amalia Probosini, D., Hidayat, N., & Yusuf, M. (2021). Pengaruh Promosi dan Brand Ambassador terhadap Keputusan Pembelian Pengguna Market Place X dengan Brand Image sebagai Variabel Intervening. Jurnal Bisnis, Manajemen, Dan Keuangan, 2(2), 445–458.
Ardiyansyah, Rahayuningsih, P. A., & Maulana, R. (2018). Analisis Perbandingan Algoritma Klasifikasi Data Mining Untuk Dataset Blogger Dengan Rapid Miner. Jurnal Khatulistiwa Informatika, VI(1), 20–28.
Fadillah Grandis, G., & Arumsari, Y. (2021). Seleksi Fitur Gain Ratio pada Analisis Sentimen Kebijakan Pemerintah Mengenai Pembelajaran Jarak Jauh dengan K-Nearest Neighbor (Vol. 5, Issue 8).
Fikri, M. I., Sabrila, T. S., Azhar, Y., & Malang, U. M. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter.
Fitrianah, D., Dwiasnati, S., H, H. H., & Baihaqi, K. A. (2021). Penerapan Metode Machine Learning untuk Prediksi Nasabah Potensial menggunakan Algoritma Klasifikasi Naïve Bayes. Faktor Exacta, 14(2), 92.
Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 4(2), 113.
Hasniati, H., Arianti, A., & Philip, W. (2019). Penerapan Metode Bayesian Network Model Pada Sistem Diagnosa Penyakit Sesak Nafas Bayi. IKRA-ITH INFORMATIKA : Jurnal Komputer Dan Informatika, 3(2), 19–26.
Lailiya, N. (2020). IQTISHADequity Prodi S1 Manajemen, Fakultas Ekonomi dan Bisnis PENGARUH BRAND AMBASSADOR DAN KEPERCAYAAN TERHADAP KEPUTUSAN PEMBELIAN DI TOKOPEDIA (Vol. 2, Issue 2). ONLINE.
Mahfud, F. K. R. (2020). Sentiment Analysis of Perpustakaan Nasional Republik Indonesia Through Social Media Twitter. MATICS, 12(1), 90.
Mardiana, L., Kusnandar, D., & Satyahadewi, N. (2022). ANALISIS DISKRIMINAN DENGAN K FOLD CROSS VALIDATION UNTUK KLASIFIKASI KUALITAS AIR DI KOTA PONTIANAK. In Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) (Vol. 11, Issue 1).
Nur, M., Utomo, Y., Negeri, P., & Pandang, U. (2019). Analisis Sentimen pada Twitter terhadap Pelayanan Pemerintah Kota Makassar.
Pratomo, S. A., Al Faraby, S., & Purbolaksono, M. D. (2021). Analisis Sentimen Pengaruh Kombinasi Ekstraksi Fitur TF-IDF dan Lexicon Pada Ulasan Film Menggunakan Metode KNN.
Putra, B. G., & Rochmawati, N. (2021). Klasifikasi Berdasarkan Question Dalam Stack Overflow Menggunakan Algoritma Naïve Bayes. Journal of Informatics and Computer Science, 02.
Shevira, S., Made, I., Suarjaya, A. D., & Wira Buana, P. (2022). Pengaruh Kombinasi dan Urutan Pre-Processing pada Tweets Bahasa Indonesia. In JITTER-Jurnal Ilmiah Teknologi dan Komputer (Vol. 3, Issue 2).
Suryana, I., Suryani, M., Paulus, E., Rosadi, R., & Syahfitri, D. (2018). Jurnal Euclid. In Jurnal Euclid (Vol. 5, Issue 2).
Windarti, M. (2018). Perbandingan Kinerja Algoritma Naïve Bayes Dan Bayesian Network Dalam Klasifikasi Masa Studi Mahasiswa. Prosiding Seminar Nasional Aplikasi Sains & Teknologi, September, 249–261.
Windarti, M., & Suradi, A. (2019). PERBANDINGAN KINERJA 6 ALGORITME KLASIFIKASI DATA MINING UNTUK PREDIKSI MASA STUDI MAHASISWA (Vol. 1, Issue 1).
How to Cite
regina, Saragih, T. H., & Kartini, D. (2023). ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF. Jurnal Informatika Polinema, 9(4), 383-390. https://doi.org/10.33795/jip.v9i4.1333