Implementasi Opinion Mining Untuk Provider Internet Menggunakan Metode Naive Bayes.

Abstract

The development of information technology is growing from year to year. To support the smooth flow of information, there are many internet service providers circulating in Indonesia to support their needs. Some of the largest internet service providers in Indonesia such as Indihome, First media, and Biznet Home definitely have their own advantages and disadvantages.At this time, internet provider providers only accept customer complaints or suggestions through the customer service (CS) call center. Meanwhile, many young Indonesians currently use one of the popular Social Media services, namely Twitter as a user-friendly microblogging service so that users can easily use it, especially in delivering messages in the form of tweets. Therefore, a sentiment analysis program was designed for several internet providers in Indonesia. Opinions or Opinions will be analyzed to determine public sentiment. These sentiments will be classified into 3 sentiments, namely negative, positive, and neutral sentiments. The sentiment classification process can be done manually, but if there is too much data, it requires a system equipped with a classification method, so that the determination of classification can be done quickly. The design of this program applies the Naive Bayes Classifier method. Because this method is supervised learning, it requires training datasets with labels. Labeling will be done automatically using the K-means method. K-Means will sort tweets into groups which are divided into 3 labels. The results of the K-means clustering accuracy are 73.4%. The results of this application are divided into 2 parts, namely a pie chart which is divided into slices that describe the results of the percentage of tweet classifications and a table of classification results containing the number, content of the tweet, and the results of the classification. The best level of accuracy in testing uses 220 training data, and 54 training data. The results of the accuracy of 83.3%.

Perancangan Aplikasi Monitoring dan Prediksi Kinerja Publikasi Universitas "X"

“…Diagram Hirarki merupakan sebuah diagram yang digunakan untuk menggambarkan hirarki sebuah aplikasi yang dibuat. Diagram Hirarki juga dapat menggambar elemen yang akan ada didalam aplikasi [6].…”

Aplikasi Monitoring Tunggakan Uang Kuliah Mahasiswa Non Aktif Di Universitas Tarumanagara Menggunakan Metode Naive Bayes

“…Blackbox Testing merupakan suatu metode yang digunakan dalam pengujian suatu aplikasi tanpa mengetahui isi dari kode aplikasi tersebut. Blackbox Testing fokus pada hasil input dan output yang hasilkan oleh aplikasi agar semua modul yang ada sesuai dengan spesifikasi yang dibutuhkan oleh user [7] Hasil dari Gambar 4 menunjukan hasi yang diberikan dari pengujian untuk pengambilan keputusan mendapatkan akurasi sebesar 91%, presisi mendapatrkan hasil sebesar 56%, sensifitas mendapatkan hasil sebesar 100% dan spesifitas mendapatkan hasil sebesar 71%.…”

Analisis Kepuasan Penggunaan Aplikasi Shopee Menggunakan Algoritma Naïve Bayes

“…Confusion matrix adalah pengukuran performa untuk masalah klasifikasi machine learning dimana hasil yang didapat berupa dua kelas atau lebih. [4] Pada dasarnya, confusion matrix memberikan informasi perbandingan hasil klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi sebenarnya. Terdapat empat istilah sebagai representasi hasil proses klasifikasi pada confusion matrix diantaranya adalah True Positif (TP), True Negatif (TN), False Positif (FP) dan False Negative (FN) seperti yang dapat dilihat pada berikut.…”