Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet

Abstract

Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.

Analisis Sentimen Terhadap Layanan Aplikasi Grab Indonesia Menggunakan Metode Naïve Bayes

“…Contoh metode lain yang termasuk dalam kategori ini adalah Support Vector Machine (SVM), K-Nearest Neighbor (KNN), dan Artificial Neural Network (ANN). Naive Bayes juga menggunakan teknik probabilitas, di mana setiap fitur dalam data dianggap tidak saling terkait satu sama lain [9]. Algoritma Naive Bayes adalah suatu teknik klasifikasi yang menggunakan pendekatan probabilitas dan statistik, yang dikembangkan oleh ilmuwan Inggris bernama Thomas Bayes.…”

Analisis Sentimen Ulasan Instagram Di Google Play Store Menggunakan Algoritma Naïve Bayes

“…Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94 [4].…”

Perbandingan Metode Naïve Bayes Dan Support Vector Machine Untuk Analisis Sentimen Pada Ulasan Pengguna Aplikasi Linkedin

“…Hasil pengujian yang didapatkan memiliki nilai accuracy sebesar 90%, precision sebesar 95% dan recall sebesar 93%. Berdasarkan data ulasan, sentimen terhadap aplikasi Jobstreet mendapatkan 83,2% respon positif dan 16,8% sisanya respon negatif, yang berarti opini pengguna lebih cenderung positif (Widodo, Matondang, & Prasvita, 2022). Pada penelitian tersebut, juga hanya menggunakan 1 metode klasifikasi saja yaitu metode Naïve Bayes, sehingga tingkat akurasinya tidak dapat dibandingkan dengan metode yang lain untuk mengetahui apakah akurasi metode tersebut ada yang lebih baik atau tidak.…”