Analisis Sentimen Pelanggan Untuk Produk Bawang Goreng Simbok Brebes Dengan Metode Naïve Bayes

Authors

  • Adetya Yudha Prasetya Universitas Muhadi Setiabudi, Indonesia
  • Nur Ariesanto Ramdhan Universitas Muhadi Setiabudi, Indonesia
  • Puji Wahyuningsih Universitas Muhadi Setiabudi, Indonesia

DOI:

https://doi.org/10.57235/jcrd.v1i2.3378

Keywords:

Rational Unifed Process, Black Box, User Acceptant Test

Abstract

Bawang goreng merupakan salah satu makanan khas Indonesia. Bawang goreng ini merupakan bawang merah yang digoreng hingga berwarna keemasan dan memiliki tekstur yang renyah. Di Kabupaten Brebes sendiri salah satu UMKM yang menjalankan usaha olahan bawang merah yaitu Bawang Goreng Simbok, terletak di Desa Larangan, Kabupaten Brebes. Usaha ini telah ada sejak 2017. Produk mereka cukup diminati oleh banyak orang dengan kepuasan pelanggan merupakan hal yang penting menjadi tujuan perusahaan. Produk-produk mereka memiliki reputasi yang cukup baik sejak melakukan penjualan secara online menjadi salah satu toko favorit dengan pelanggan yang cukup banyak yaitu Bawang Goreng Simbok dengan jumlah pengikut 2.5 ribu pengikut serta memiiki rating penjualan 4.9 dari 5. Mengetahui hasil penerapan data mining dengan metode dan kinerja model pengklasifikasian sentimen terhadap ulasan produk Bawang Goreng Simbok dengan menggunakan metode Naïve Bayes Classifier (NBC) dan juga Mengetahui penerapan sistem data mining untuk memprediksi analisis sentimen menggunakan aplikasi Rapid Miner pengujian split data dengan membagi 20% data testing dan 80 data traning. Pengujian dilakukan sebanyak 9 kali dengan menghasilkan nilai akurasi tertinggi pada akurasi 93,10%, recall 93,10%, preccision 100% dan f1 score 96,42% dan nilai terendah 90 data traning dan 10 data testing menghasilkan nilai akurasi 45,45%, recall 100%, preccision 40% dan f1 score 57,14%

Downloads

Download data is not yet available.

References

Stone A.S., & Fathoni, F. (2022). Analisis Sentiment Pelanggan Terhadap Penilaian Produk Pada Toko Online Shop Amreta Menggunakan Metode Naïve Bayes Classification. Media Informatika Budidarma,6(3),1590. https://doi.org /10.30865/mib.v6i3.4436

Dewi, E., Mulyani, S., Hidayatuloh Taopik, A., & Agustiawan, T. (2020). Analisis Sentimen Ulasan Produk Pada Top Brand Produk Masker Di Tokopedia Menggunakan Naive Bayes. Jurnal Eksplora Informatika, 1(1), 32–42.

Bahtiar, R. (2023). Implementasi Data Mining Untuk Prediksi Penjualan Kusen Terlaris Menggunakan Metode K-Nearest Neighbor.Jurnal Informatika MULTI,1(3),203–214. https://jurnal.publikasitecno.id/ind ex.php/jim203/1

Dwi Wanti Adisa, “Analisis Sentimen Mengenai Kebijakan Kartu Prakerja Menggunakan Metode Naive Bayes,” Skripsi, Universitas Islam Negeri Maulana Malik Ibrahim, Malang, Tahun 2023.

Julianti, O. N., Suarna, N., & Prihartono, W. (2024). Penerapan Natural Language Processing Pada Analisis Sentimen Judi Online Di Media Sosial Twitter. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 3).

Pengabdian, L., Perguruan, P., Universitas, T., Ali, D., Darwan, U., Berlian, A. J. B., 10 Sampit, N., Timur, K., & Tengah, K. (2024). Data Mining Menggunakan Metode Naive Bayes Untuk Menetapkan Standar Untuk Produk Minyak Sawit Mentah Abdul Sidik. EJECTS : E-Journal Computer, Technology and Informations System, 3(2).

Pujiono, S., Astuti, R., & Muhamad Basysyar, F. (2024). Implementasi Data Mining Untuk Menentukan Pola Penjualan Produk Menggunakan Algoritma K-Means Clustering. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 1).

Hasan, F. N., & Dwijayanti, M. (2021). Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier. Jurnal Linguistik Komputasional, 4(2),52–58. https://doi.org /https://doi.org/10.26418/jlk.v4i2.61

Apriani, R., Gustian, D., Program, S., Sistem, I., Putra, U. N., Indonesia, S., Raya, J., Kaler, C., 21, N., & Sukabumi, K. (2019). Analisis Sentimen dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia. Jurnal Rekayasa Teknologi Nusa Putra, 6(1), 54– https://rekayasa. nusaputra.ac.id/article/view/86

Mailoa, F. F. (2021). Analisis sentimen data twitter menggunakan metode text mining tentang masalah obesitas di indonesia. Journal of Information Systems for Public Health, 6(1), 44. https://doi.org /10.22146/jisph.44455

Rengga Asmara, Febrian Ardiansyah, & M Ansori, S. (2020). Analisis Sentimen Masyarakat terhadap Pemilu 2019 Berdasarkan Opini di Twitter Menggunakan Metode Naive Bayes Classifier. In Jurnal Pengembangan Teknologi Informasi dan Komputer (Vol. 5, no 2). https:/ /jptiik.ub.ac.id/index.php/jptiik/article/view/6153/1

Kurniawan, A., Indriati, & Adinugroho, S. (2019). Analisis Sentimen Opini Film Menggunakan Metode Naïve Bayes dan Lexicon Based Features. Jurnal Pengembangan Teknologi Informasi Dan Komputer, 3(9), 8335–8342. https://j-ptiik.ub.ac.id/index.php/jptiik/article/view /6153

Downloads

Published

2024-10-28

How to Cite

Prasetya, A. Y., Ramdhan, N. A., & Wahyuningsih, P. (2024). Analisis Sentimen Pelanggan Untuk Produk Bawang Goreng Simbok Brebes Dengan Metode Naïve Bayes. Journal of Citizen Research and Development, 1(2), 307–314. https://doi.org/10.57235/jcrd.v1i2.3378

Issue

Vol. 1 No. 2 (2024): November 2024

Section

Articles

Citation Check

License

  1. Authors certify that the work reported here has not been published before and contains no materials the publication of which would violate any copyright or other personal or proprietary right of any person or entity.
  2. Authors dont transfer or license the copyright of publishing to JCRD Journal of Citizen Research and Development Research to publish the article in any media format, to share, to disseminate, to index, and to maximize the impact of the article in any databases.
  3. Authors hereby dont agree to transfer a copyright for publishing to JCRD Journal of Citizen Research and Development a Publisher of the manuscript. 
  4. Authors reserve the following: 
    1. all proprietary rights other than copyright such as patent rights; 
    2. the right to use all or part of this article in future works of our own such as in books and lectures;
    3. use for presentation in a meeting or conference and distributing copies to attendees; 
    4. use for internal training by author's company;
    5. distribution to colleagues for their research use;
    6. use in a subsequent compilation of the author's works;
    7. inclusion in a thesis or dissertation;
    8. reuse of portions or extracts from the article in other works (with full acknowledgement of final article);
    9. preparation of derivative works (other than commercial purposes) (with full acknowledgement of final article); and
    10. voluntary posting on open web sites operated by author or author’s institution for scholarly purposes, but it should follow the open access license of Creative Common CC BY-NC License.