Analisis Sentimen Terhadap SPKLU Menggunakan Metode Naïve Bayes
Abstrak
Abstrak. — Tantangan dalam pengembangan SPKLU tidak hanya terbatas pada aspek teknis dan operasional, tetapi juga berkaitan dengan rendahnya Tingkat pengetahuan Masyarakat, Penelitian terdahulu hanya berfokus pada kendaraan Listrik[1], sementara penelitian terhadap infrastruktur pendukung seperti SPKLU ini masih terbatas. permasalahan lain juga muncul pada keterbatasan data opini, untuk menjawab permasalahan ini[2]. penelitian menerapkan Naïve Bayes dan data penelitian di peroleh dari sosial media X, dengan proses crawling[3], setelah itu dilakukan pre-processing dikombinasikan dengan TF-IDF dan metode oversampling rasio 20% - 100% serta metode pembagian data dengan Stratified K-fold dengan nilai K = 5, sehingga mendapatkan hasil evaluasi terbaik, dengan nilai akurasi 87,47%, presisi 64,19%, recall 74,30%, F1-Score 67,01%,metode ini terbukti sangat bagus untuk melakukan penelitian teks dengan data yang terbatas.
Kata kunci— Naïve bayes, Crawling, TF-IDF, Pre-processing, Oversampling.
Referensi
REFERENSI
J. A. Sanguesa, V. Torres-Sanz, P. Garrido, F. J. Martinez, and J. M. Marquez-Barja, “A review on electric vehicles: Technologies and challenges,” Mar. 01, 2021, MDPI. doi: 10.3390/smartcities4010022.
M. Y. Nur, K. Nur, and A. Anugrah, “Development of Public Electric Vehicle Charging Stations (SPKLU) in Makassar as an Electric Car Supporting Means,” vol. 13, no. 2, pp. 389–396, 2024, doi: 10.32832/astonjadro.v13i12.
Kharisma Rahayu, M. Khairul Anam, Lusiana Efrizoni, Nurjayadi, and Triyani Arita Fitri, “OPTIMASI TEKNIK VOTING PADA SENTIMEN ANALISIS PEMILIHAN PRESIDEN 2024 MENGGUNAKAN MACHINE LEARNING,” The Indonesian Journal of Computer Science, vol. 13, no. 4, Jul. 2024, doi: 10.33022/ijcs.v13i4.4119.
I. Saputra et al., “Analisis Sentimen Pengguna Marketplace Bukalapak dan Tokopedia di Twitter Menggunakan Machine Learning,” Faktor Exacta, vol. 13, no. 4, p. 200, Feb. 2021, doi: 10.30998/faktorexacta.v13i4.7074.
T. S. Ramadhan and B. Wibowo, “Risk Analysis of Electricity Demand at Public Electric Vehicle Charging Stations (SPKLU): CVaR Model Approach,” Quantitative Economics and Management Studies, vol. 5, no. 3, pp. 528–540, May 2024, doi: 10.35877/454ri.qems2580.
A. Bijaksana, P. Negara, H. Muhardi, and I. M. Putri, “ANALISIS SENTIMEN MASKAPAI PENERBANGAN MENGGUNAKAN METODE NAIVE BAYES DAN SELEKSI FITUR INFORMATION GAIN SENTIMENT ANALYSIS ON AIRLINES USING NAÏVE BAYES METHOD AND FEATURE SELECTION INFORMATION GAIN,” vol. 7, no. 3, pp. 599–606, 2020, doi: 10.25126/jtiik.202071947.
R. A. Nurdian, Mujib Ridwan, and Ahmad Yusuf, “Komparasi Metode SMOTE dan ADASYN dalam Meningkatkan Performa Klasifikasi Herregistrasi Mahasiswa Baru,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 1, Apr. 2022, doi: 10.28932/jutisi.v8i1.4004.
Evi Purnamasari, “Prediksi Tingkat Kepuasan Dalam Pembelajaran Daring Menggunakan Algoritma Naive Bayes,” 2023.
R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” Jurnal Manajemen Informatika (JAMIKA), vol. 13, no. 1, pp. 84–93, Apr. 2023, doi: 10.34010/jamika.v13i1.9424.
M. Anjas Aprihartha et al., “Penyelesaian Masalah Ketidakseimbangan Data Melalui Teknik Oversampling dan Undersampling pada Klasifikasi Siswa Tidak Naik Kelas,” Jurnal Teknik Ibnu Sina), vol. 9, no. 01, 2024, doi: 10.36352/jt-ibsi.v9i01.807.
T. Riska Muliani, J. Sumarsono, I. S. Siti Wardatullatifah, P. Studi Teknik Pertanian, and F. Teknologi Pangan dan Agroindustri, “DETEKSI TINGKAT KEMATANGAN BUAH ALPUKAT (Persea americana Mill.) MENGGUNAKAN ALGORITMA KLASIFIKASI DAN METODE STRATIFIED K-FOLD CROSS VALIDATION Detection of Avocado Fruit Ripeness Level Using Classification Algorithm and Stratified K-Fold Cross Validation Method,” 2024. [Online]. Available: https://journal.unram.ac.id/index.php/agent
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” vol. 15, no. 1, 2021.
E. Erlin, Y. Desnelita, N. Nasution, L. Suryati, and F. Zoromi, “Dampak SMOTE terhadap Kinerja Random Forest Classifier berdasarkan Data Tidak seimbang,” MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 21, no. 3, pp. 677–690, Jul. 2022, doi: 10.30812/matrik.v21i3.1726.
A. Riyani, M. Zidny Naf’an #2, and A. Burhanuddin, “Penerapan Cosine Similarity dan Pembobotan TF-IDF untuk Mendeteksi Kemiripan Dokumen,” 2019.
F. Septianingrum and A. S. Y. Irawan, “Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes: Sebuah Literature Review,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 3, p. 799, Jul. 2021, doi: 10.30865/mib.v5i3.2983.
