SENTIMENT ANALYSIS OF PEGIPEGI.COM ON GOOGLE PLAYSTORE WITH NAÏVE BAYES ALGORITHM

Riski Hardian, Luzi Dwi Oktaviana, Aulia Hamdi

Abstract


Abstract: Today, many users use online platforms rather than offline platforms for ticket bookings, involving a wide range of services such as flights, hotels, trains, buses, and entertainment. PegiPegi.com, as one of the fastest growing online travel agencies in Indonesia, demonstrates success by understanding the value of technology and maintaining strong partnerships. Users of this platform often provide reviews, viewing user reviews can be done manually but this will have a less effective impact, so it needs to be done automatically with sentiment analysis. This research the Naïve Bayes method in sentiment analysis of PegiPegi.com reviews, with a focus on understanding customer satisfaction and service improvement. By combining these approaches, this research contributes to a deeper understanding of user responses to OTA services and presents the evaluation results of the Multinomial Naive Bayes classification model with an accuracy rate of 89.5%. The high precision in the Negative class demonstrates the model's ability to identify negative reviews. However, there are challenges in classifying the Neutral class, indicating the potential for further improvement. Nevertheless, the F1 score of 0.522 reflects a good balance between overall precision, recall so it can be concluded the naïve bayes algorithm is successful for performing sentiment analysis.


Keywords: Sentiment analysis; naïve bayes algorithm; pegipegi.com; playstore

 

 

Abstract: Saat ini banyak pengguna platform online dibandingkan offline untuk pemesanan tiket, yang melibatkan berbagai layanan seperti penerbangan, hotel, kereta api, bus, dan hiburan. PegiPegi.com, sebagai salah satu agen perjalanan online yang berkembang pesat di Indonesia, menunjukkan keberhasilan dengan memahami nilai teknologi dan mempertahankan kemitraan yang kuat. Pengguna platform ini sering memberikan ulasan, melihat ulasan pengguna bisa saja dilakukan secara manual tetapi hal ini akan memberikan dampak yang kurang efektif, sehingga perlu dilakukan secara otomatis dengan analisis sentiment. Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dalam analisis sentimen ulasan PegiPegi.com, dengan fokus pada pemahaman kepuasan pelanggan dan peningkatan layanan. Dengan menggabungkan pendekatan ini, penelitian ini berkontribusi pada pemahaman yang lebih dalam tentang tanggapan pengguna terhadap layanan OTA dan menyajikan hasil evaluasi model klasifikasi Multinomial Naive Bayes dengan tingkat akurasi 89,5%. Presisi tinggi di kelas Negatif menunjukkan kemampuan model untuk mengidentifikasi ulasan negatif. Namun, ada tantangan dalam mengklasifikasikan kelas Netral, menunjukkan potensi untuk perbaikan lebih lanjut. Namun demikian, skor F1 0,522 mencerminkan keseimbangan yang baik antara presisi keseluruhan dan daya ingat sehingga dapat disimpulkan algoritma naïve bayes berhasil untuk melakukan analisis sentimen.


Keywords: Analisis sentimen; naïve bayes; pegipegi.com; playstore


Full Text:

PDF

References


D. R. Alghifari, M. Edi, And L. Firmansyah, “Implementasi Bidirectional Lstm Untuk Analisis Sentimen Terhadap Layanan Grab Indonesia,” Jurnal Manajemen Informatika (Jamika), Vol. 12, No. 2, Pp. 89–99, Sep. 2022, Doi: 10.34010/Jamika.V12i2.7764.

D. Darwis, E. Shintya Pratiwi, A. Ferico, And O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” 2020.

F. Fathonah And A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” Jurnal Sains Dan Informatika, Vol. 7, No. 2, Pp. 155–164, Dec. 2021, Doi: 10.34128/Jsi.V7i2.331.

A. Safira, A. S. Masyarakat…, And F. N. Hasan, “Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem Informasi, Vol. 5, No. 1, 2023.

C. F. Hasri And D. Alita, “Penerapan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Analisis Sentimen Terhadap Dampak Virus Corona Di Twitter,” Jurnal Informatika Dan Rekayasa Perangkat Lunak (Jatika), Vol. 3, No. 2, Pp. 145–160, 2022, [Online]. Available: Http://Jim.Teknokrat.Ac.Id/Index.Php/Informatika

K. Keahlian, R. Data, A. Luthfika Fairuz, R. Dias Ramadhani, N. Annisa, And F. Tanjung, “Jurnal Dinda Analisis Sentimen Masyarakat Terhadap Covid-19 Pada Media Sosial Twitter,” 2021. [Online]. Available: Http://Journal.Ittelkom-Pwt.Ac.Id/Index.Php/Dinda

F. S. Pamungkas And I. Kharisudin, “Analisis Sentimen Dengan Svm,” Vol. 4, Pp. 628–634, 2021, [Online]. Available: Https://Journal.Unnes.Ac.Id/Sju/Index.Php/Prisma/

A. Perdana, A. Hermawan, And D. Avianto, “Analisis Sentimen Terhadap Isu Penundaan Pemilu Di Twitter Menggunakan Naive Bayes Clasifier,” Jurnal Sisfokom (Sistem Informasi Dan Komputer), Vol. 11, No. 2, Pp. 195–200, Jul. 2022, Doi: 10.32736/Sisfokom.V11i2.1412.

M. N. Muttaqin And I. Kharisudin, “Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine Dan K Nearest Neighbor,” Unnes Journal Of Mathematics, Vol. 10, No. 2, Pp. 22–27, 2021, [Online]. Available: Http://Journal.Unnes.Ac.Id/Sju/Index.Php/Ujm

A. Z. Amrullah, A. Sofyan Anas, M. Adrian, And J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, Vol. 2, No. 1, 2020, Doi: 10.30812/Bite.V2i1.804.

W. A. Prabowo And C. Wiguna, “Sistem Informasi Umkm Bengkel Berbasis Web Menggunakan Metode Scrum,” Jurnal Media Informatika Budidarma, Vol. 5, No. 1, P. 149, Jan. 2021, Doi: 10.30865/Mib.V5i1.2604.

N. Hendrastuty, A. Rahman Isnain, And A. Yanti Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Vol. 6, No. 3, 2021, [Online]. Available: Http://Situs.Com

H. Tuhuteru And U. Kristen Indonesia Maluku Jl Ot Pattimaipauw, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine.”

K. M. Elistiana, Bagus Adhi Kusuma, P. Subarkah, And H. A. Awal Rozaq, “Improvement Of Naive Bayes Algorithm In Sentiment Analysis Of Shopee Application Reviews On Google Play Store,” Jurnal Teknik Informatika (Jutif), Vol. 4, No. 6, Pp. 1431–1436, Dec. 2023, Doi: 10.52436/1.Jutif.2023.4.6.1486.

S. Lestari And S. Saepudin, “Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes,” 2021. [Online]. Available: Https://Vaksin.Kemkes.Go.Id/

B. Z. Ramadhan, I. Riza, And I. Maulana, “Analisis Sentimen Ulasan Pada Aplikasi E-Commerce Dengan Menggunakan Algoritma Naïve Bayes,” 2022. [Online]. Available: Http://Jurnal.Polibatam.Ac.Id/Index.Php/Jaic

D. S. Utami And A. Erfina, “Analisis Sentimen Pinjaman Online Di Twitter Menggunakan Algoritma Support Vector Machine (Svm),” 2021.




DOI: https://doi.org/10.33330/jurteksi.v10i3.3201

Article Metrics

Abstract view : 142 times
PDF - 104 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK ROYAL 

Copyright © LPPM STMIK ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.