Analisis Sentimen Pada Ulasan Mie Gacoan Purwokerto Menggunakan Algoritma Naïve Bayes
Abstract
Mie Gacoan Purwokerto merupakan restoran cepat saji yang menerima banyak ulasan pelanggan melalui Google Maps, khususnya fitur Google Business Review. Namun, belum tersedia sistem yang secara otomatis menganalisis sentimen dari ulasan tersebut, padahal opini publik dapat menjadi bahan evaluasi penting bagi perusahaan. Penelitian ini bertujuan mengembangkan sistem analisis sentimen yang mampu mengelompokkan ulasan menjadi kategori positif, negatif, dan netral menggunakan algoritma Naïve Bayes. Data berupa 4.211 ulasan dikumpulkan dengan teknik web crawling menggunakan Instant Data Scraper. Tahapan pengolahan data mencakup preprocessing teks, pelabelan otomatis dengan kamus SenticNet, pembobotan menggunakan TF-IDF, dan balancing data menggunakan metode SMOTE. Evaluasi model dilakukan dengan confusion matrix untuk memperoleh metrik akurasi. Hasil penelitian menunjukkan mayoritas ulasan bersifat positif dengan akurasi model mencapai 79%. Diharapkan sistem ini akan membantu Mie Gacoan memahami opini pelanggan secara otomatis dan membantu proses mencapai keputusan berbasis data untuk meningkatkan kualitas layanan.. Kata kunci— analisis sentimen, mie gacoan, google business review, klasifikasi, naive bayes, ulasan pelanggan
Downloads
References
[1] N. G. Woen and S. Santoso, “Pengaruh Kualitas Layanan, Kualitas Produk, Promosi, dan Harga Normal terhadap Kepuasan dan Loyalitas Konsumen,” Jurnal Maksipreneur: Manajemen, Koperasi, dan Entrepreneurship, vol. 10, no. 2, p. 146, Feb. 2021, doi: 10.30588/jmp.v10i2.712.
[2] Y. Priwahyuni, “FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN POLA MAKAN SIAP SAJI (FAST FOOD) PADA MAHASISWA PROGRAM STUDI ILMU KESEHATAN MASYARAKAT STIKes HANGTUAH PEKANBARU,” 2016.
[3] T. Zidny, “ANALISIS SENTIMEN ULASAN MIE GACOAN SOLO VETERAN DI GOOGLE MAPS MENGGUNAKAN ALGORITMA NAIVE BAYES,” 2024.
[4] Q. Hana, “PENGARUH HARGA DAN CITA RASA TERHADAP LOYALITAS KONSUMEN DENGAN KEPUASAN KONSUMEN SEBAGAI VARIABEL MEDIASI (Studi Kasus Pada Konsumen Mie Gacoan Purwokerto),” 2023.
[5] D. W. Ardras and A. Voutama, “ANALISIS SENTIMEN ANTI LGBT DI INDONESIA MELALUI MEDIA SOSIAL TWITTER,” Jurnal Teknika, vol. 15, no. 1, pp. 23–28, Mar. 2023, doi: 10.30736/jt.v15i1.926.
[6] T. A. Q. Putri, A. Triayudi, and R. T. Aldisa, “Implementasi Algoritma Decision Tree dan Naïve Bayes Untuk Klasifikasi Sentimen Terhadap Kepuasan Pelanggan Starbucks,” Journal of Information System Research (JOSH), vol. 4, no. 2, pp. 641–649, Jan. 2023, doi: 10.47065/josh.v4i2.2949.
[7] L. A. Fudholi, N. Rahaningsih, and R. D. Dana, “SENTIMEN ANALISIS PERILAKU PENGGEMAR COLDPLAY DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES,” 2024.
[8] R. Astuti and F. M. Basysyar, “ANALISIS SENTIMEN PADA APLIKASI KFCKU Di GOOGLE PLAYSTORE MENGGUNAKAN NAÏVE BAYES,” 2024.
[9] S. D. S. Kurniawan and A. Fauzy, “Penggunaan Naïve Bayes Classifier dalam Analisis Sentimen Ulasan Aplikasi McDonald’s: Perspektif Pengguna di Indonesia,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 8, no. 3, p. 1545, Jul. 2024, doi: 10.30865/mib.v8i3.7765.
[10] S. Rohimah, M. Afdal, and R. Novita, “Analisis Sentimen Traveloka Berdasarkan Ulasan Google Play Store Menggunakan Algoritma Support Vector Machine dan Random Forest,” Technology and Science (BITS), vol. 6, no. 3, 2024, doi: 10.47065/bits.v6i3.6300.
[11] D. Alita and A. Rahman, “Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” 2020.
[12] W. Khofifah, D. N. Rahayu, and A. M. Yusuf, “Analisis Sentimen Menggunakan Naive Bayes Untuk Melihat Review Masyarakat Terhadap Tempat Wisata Pantai Di Kabupaten Karawang Pada Ulasan Google Maps,” Jurnal Interkom: Jurnal Publikasi Ilmiah Bidang Teknologi Informasi dan Komunikasi, vol. 16, no. 4, pp. 28–38, Jan. 2022, doi: 10.35969/interkom.v16i4.192.
[13] H. Herlawati, R. T. Handayanto, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 2, pp. 153–163, Nov. 2021, doi: 10.31603/komtika.v5i2.6280.
[14] A. Damayanti and A. Damayamti, “Pendeteksi Untuk Tingkat Kemiripan Kata Pada Karya Tulis Ilmiah dengan Menggunakan Metode Nazief Adriani,” 2022. [Online]. Available: https://journal.grahamitra.id/index.php/bios
[15] 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
[16] C. C. Dan and L. Saufa Yardha, “ANALISIS SENTIMEN PENGGUNA APLIKASI MOBILE JKN MENGGUNAKAN ALGORITMA NAÏVE BAYES,” 2024. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
[17] N. Silalahi and Guidio Leonarde Ginting, “Rekomendasi Berita Berkaitan dengan Menerapkan Algoritma Text Mining dan TF-IDF,” Bulletin of Computer Science Research, vol. 3, no. 4, pp. 276–282, Jun. 2023, doi: 10.47065/bulletincsr.v3i4.266.
[18] M. R. Firdaus, N. Rahaningsih, and R. D. Dana, “Jurnal Informatika dan Rekayasa Perangkat Lunak Analisis Sentimen Aplikasi Shopee di Goole Play Store Menggunakan Klasifikasi Algoritma Naïve Bayes”.



