Sentiment Analysis Analysis of E-Wallet Sentiments on Google Play Using the Naive Bayes Algorithm Based on Particle Swarm Optimization
| Main Authors: | Aaputra, Suwanda Aditya, Didi Rosiyadi, Windu Gata, Syepry Maulana Husain |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1118 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1118/168 |
Daftar Isi:
- Increasingly sophisticated technology brings various conveniences both in transportation, information, education to the convenience of transactions in shopping, such as the development of E-wallet can now be easily done using a smartphone. From a number of e-wallet products, researchers took a case study, which is OVO product, which is currently being discussed by many groups, especially in the capital of Jakarta today. Customers or clients who are not satisfied with the services or products offered by a company will usually write their complaints on social media or reviews on Google play. However, monitoring and organizing opinions from the public is also not easy. For this reason, we need a special method or technique that is able to categorize these reviews automatically, whether positive or negative. The algorithm used in this study is Naive Bayes Classifier (NB), with the optimization of the use of Particle Swarm Optimization Feature Selection (FS). The results of cross validation NB without FS are 82.30% for accuracy and 0.780 for AUC. Whereas for NB with FS is 83.60% for accuracy and 0.801 for AUC. Very significant improvement with the use of Feature Selection (FS) Particle Swarm Optimization.
- Teknologi yang semakin canggih menghadirkan berbagai kemudahan baik dalam transportasi, informasi, edukasi hingga kemudahan bertransaksi dalam berbelanja, seperti perkembangan E-wallet kini dapat dengan mudah dilakukan dengan menggunakan smartphone. Dari beberapa produk e-wallet peneliti mengambil studi kasus yaitu produk OVO yang saat ini banyak dibicarakan banyak kalangan khususnya di ibukota Jakarta saat ini. Pelanggan atau klien yang merasa tidak puas dengan layanan atau produk yang ditawarkan oleh sebuah perusahaan biasanya akan menuliskan keluhannya di media sosial atau ulasan di Google play. Akan tetapi, memantau dan mengorganisasi opini dari masyarakat juga bukanlah hal yang mudah. Oleh sebab itulah, diperlukan sebuah metode atau teknik khusus yang mampu mengkategorikan review-review tersebut secara otomatis, apakah termasuk positif atau negatif. Algoritma yang digunakan dalam penelitian ini adalah Naive Bayes Classifier (NB), dengan optimasi penggunaan Feature Selection (FS) Particle Swarm Optimization. Hasil dari cross validation NB tanpa FS adalah 82.30 % untuk accuracy dan 0.780 untuk AUC. Sedangkan untuk NB dengan FS adalah 83.60 % untuk accuracy dan 0.801 untuk AUC. Peningkatan sangat signifikan dengan penggunaan Feature Selection (FS) Particle Swarm Optimization.