Analisis Sentimen Berbasis Aspek Terhadap Richeese Factory pada Platform Twitter Menggunakan Algoritme Naïve Bayes dan Menggunakan Marketing Mix 4P
Abstract
Abstrak— Pembatasan pengunjung di gerai makanan membuat masyarakat memesan makanan dan minuman dari
rumah sehingga popularitas brand tersebut meningkat. Maka
banyak brand bersaing terutama brand makanan cepat saji.
Richeese Factory adalah brand makanan cepat saji Indonesia
yang menyajikan makanan pedas, saus keju dan satu-satunya
brand makanan yang bersaing dengan brand luar negeri, tetapi
brand tersebut masih kalah dengan brand luar negeri. Dengan
menggunakan analisis sentimen dan aspek teori Marketing Mix
4p yang didapat dari ulasan pelanggan pada Twitter, dapat
meningkatkan minat masyarakat kepada brand Richeese
Factory. Sistematika penyelesaian menggunakan Knowledge
Discovery in Database, tahapan pertama adalah data selection,
pada tahap tersebut, peneliti menentukan keyword
pengambilan data dari Twitter, yang kemudian data diambil
dengan cara crawling data. Hasil dari implementasi Algoritme
Naïve Bayes perbedaan max features dan test size memiliki
peran penting pada hasil akurasi. Algoritme Gaussian dan
Multinomial Naïve Bayes memiliki hasil akurasi yang lebih
tinggi daripada Algoritme Bernoulli Naïve Bayes, akan tetapi
sebagian besar akurasi tertinggi pada Algoritme Multinomial
Naïve Bayes dengan nilai 84%. Berdasarkan tingkat akurasi
dari implementasi Algoritme Naïve Bayes jika nilai max features
semakin tinggi nilai akurasi juga semakin tinggi.
Kata kunci— Richeese Factory, Analisis Sentiment, Marketing Mix, Naïve Bayes
References
Ariyanto,
Wuhan ke Seluruh Dunia,= Indonesia, 2020.
Farid Kusuma,
PPKM Darurat Jawa-Bali,= Suara Surabaya, Surabaya, Juli
Populix, <10 Brand Minuman kekinian yang Paling
Digemari Masyarakat,= Populix, September 2020.
GoodStats,
Masyarakat Indonesia 2022,= GoodStats, 2022.
GoodStats,
Indonesia 2022,= GoodStats, 2022.
Ide Bagus Gede Ari Suyoga dan I Wayan Santik,
Brand Image Dalam Memediasi Pengaruh Electronic
Word of Moth Terhadap Niat Beli,= E- Journal Manajemen
Unud, hlm. 3230, 2018.
Richeese Factory,
Richeese Factory,
Factory, 2022.
Nadia Araditya Paramastri dan Gumgum Gumilar,
dan Newsgathering oleh Tirto.id,= Kajian Jurnalisme, hlm.
, 2019.
Rifqy Mikoriza Turjaman dan Indra Budi,
Sentimen Berbasis Aspek Marketing Mix Terhadap Ulasan
Aplikasi Dompet Digital (Studi Kasus: Aplikasi Linkaja
Pada Twitter),= Jurnal Darma Agung, hlm. 266, 2022.
Auliya Khanza Qorita,
Pada Ulasan Tempat Wisata DIY,= Jurnal Universitas
Islam Indonesia, 2022.
Merinda Lestatndy, Abdurahim, dan Lailis Syafa'ah,
Menggunakan Recurrent Neural Network dan Naive
Bayes,= Jurnal Resti (Rekayasa Sistem dan Teknologi
Informasi), hlm. 802-808, 2021.
Saurabh Shrikant Kulkarni,
Analysis of Twitter Data,= Diposit Digital de Documents
de la UAB, 2020.
Willy Ngashu,
Learning,= Section, 2022.
Xuan Liu dkk.,
improved,= Humanit Soc Sci Commun, 2023.
Saurav Pattnaik,
imbalanced data,= Deepwiz AI, 2021.
Vincentius Westley DImitrius Thomas dan Fitrah
Rumaisa,
Indonesia Menggunakan Support Vector Machine dan TFIDF,= Jurnal Media Informatika Budidarma, 2022.
Algoritma Data Indonesia,
Algoritma Data Indonesia, 2022.
Ali Akbar Septiandri,
Universitas Al Azhar Indonesia Ali Akbar, 2020.
Agri Yodi Prayoga, Asep Id Hadiana, dan Fajri Rakhmat
Umbara,
