Design of Sentiment Analysis on Indodax Instagram Social Media Comments About Cryptocurrency Using Naïve Bayes Classifier

Dimas Prayoga

Abstract


In today's digital era, social media such as Instagram has become the main platform for many individuals to interact and express opinions online. One application that is often the subject of conversation is Indodax, a well-known digital asset trading platform in Indonesia. This research aims to evaluate the sentiment of Instagram users towards Indodax services through a sentiment analysis approach using Naive Bayes Classifier. The data collected consists of Instagram users' comments, which are analyzed to assess the tendency of their sentiments, whether positive or negative towards Indodax services. This method applies probability and statistical concepts to classify sentiments based on the words present in the comments. It is hoped that the results of this study can provide insights for Indodax to improve the quality of their services based on the perceptions of users. Based on the experiments conducted, the Naive Bayes Classifier method shows fairly accurate classification results, so it can support sentiment analysis related to the Indodax application.

Full Text:

PDF

References


Alifta, R. F. (2022). UNIKOM_RadiffaFizryAlifta_BAB II (pp. 9–30).

Anadakumar, K., & Padmavathy, V. (2013). Tinjauan tentang Proses Preprocessing dalam Text Mining. International Journal of Advanced Research in Computer Science, 4(9), 79–91.

Anwar, K. (2022). Analisis Sentimen Pengguna Instagram di Indonesia terkait Ulasan Smartphone dengan Menggunakan Naive Bayes. KLIK: Kajian Ilmiah Informatika dan Komputer, 2(4), 148–155. https://doi.org/10.30865/klik.v2i4.315

Asyrofi, R. R., & Asyrofi, R. (2023 Penggunaan Aplikasi Jupyter Notebook dalam Menganalisis Kriteria Plagiasi dengan Metode Semantik. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 8(2), 627–637. https://doi.org/10.29100/jipi.v8i2.3699

Bagus, M., Sukoco, A., Informasi, T., Informatika, T. D., Bina, U., Informatika, S., Selatan, K. T., & Chaum, D. (2024). Dampak Metode PIECES pada Transaksi dalam Aplikasi. Jurnal Ilmiah, 8(3), 3339–3342.

Berniawan, D., Amri, A., & Tinaliah, T. (2023). Penerapan Algoritma Naïve Bayes untuk Klasifikasi Sentimen Pengguna Twitter terhadap KEMKOMINFO di Indonesia. MDP Student Conference, 2(1), 24–31. https://doi.org/10.35957/mdp-sc.v2i1.4326

Chuzaimah Zulkifli, U. (2018). Pengembangan Modul Preprocessing Teks untuk Memformalkan dan Memeriksa Ejaan Bahasa Indonesia dalam Aplikasi Web Mining Simple Solution (WMSS). Jurnal Matematika Statistika dan Komputasi, 15(2), 95. https://doi.org/10.20956/jmsk.v15i2.5718

Daryfayi, E., Daulay, P., & Asror, I. (2020). Analisis Sentimen pada Ulasan Google Play Store dengan Metode Naïve Bayes. E-Proceeding of Engineering, 7(2), 8400–8410.

Dianti, Y. (2017). Judul Tidak Diketahui. Angewandte Chemie International Edition, 6(11), 951–952. http://repo.iain-tulungagung.ac.id/5510/5/BAB 2.pdf

E-servqual, M. M. (2021). Analisis Kualitas Layanan Aplikasi Indodax dengan Metode E-Servqual dan Importance Performance Analysis (IPA). Jurnal Ilmiah Komputasi, 20(3), 425–433. https://doi.org/10.32409/jikstik.20.3.2735

Efraim, D. A. (2023). Analisis Sentimen pada Media Sosial Instagram Menggunakan Algoritma Naive Bayes (Studi Kasus: Timnas Futsal Indonesia). Jurnal Ilmiah, 498–509.

Eugen, E. (2021 Visualisasi Web Mining untuk Popularitas Sembilan Universitas Swasta Terbaik di Jakarta. 74. https://kc.umn.ac.id/15921/

Fahlevvi, M. R. (2022). Analisis Sentimen Terhadap Ulasan Aplikasi Pejabat Pengelola Informasi dan Dokumentasi Kementerian Dalam Negeri Republik Indonesia di Google Playstore Menggunakan Metode Support Vector Machine. Jurnal Teknologi dan Komunikasi Pemerintahan, 4(1), 1–13. https://doi.org/10.33701/jtkp.v4i1.2701

Ghosh, S., Hazra, A., & Raj, A. (2020). Studi Perbandingan Berbagai Teknik Klasifikasi dalam Analisis Sentimen. International Journal of Synthetic Emotions, 11(1), 49–57. https://doi.org/10.4018/ijse.20200101.oa

Informatika, J. T. (1978). Implementasi Naive Bayes Classifier dalam Menganalisis Sentimen Komentar Pelanggan Mie Gacoan di Instagram. Jurnal Ilmiah, 18(x), 139–149.

Iskandar, I., Muhadar, M., & Hijrah, H. (2021). Peran Unit Investigasi Kriminal di Polda Sulawesi Selatan dalam Penegakan Hukum Terhadap Penyebar Hoaks. Jurnal Cakrawala Hukum, 12(3), 284–293. https://doi.org/10.26905/idjch.v12i3.5159

Karim, A. (2020). Analisis Sentimen pada Komentar di Media Sosial Instagram Layanan Kesehatan BPJS Menggunakan Naive Bayes Classifier. Skripsi, 5(3), 248–253.

Khatibah, K. (2011). Jurnal Perpustakaan dan Informasi. Iqra’, 2275(Penelitian Kepustakaan), 36–39.

Mahardika, Y. S., & Zuliarso, E. (2018). Analisis Sentimen terhadap Pemerintahan Joko Widodo di Media Sosial Twitter dengan Menggunakan Algoritma Naïve Bayes Classifier. Prosiding SINTAK 2018, 2015, 409–413.

Mathapati, P. M., Shahapurkar, A. S., & Hanabaratti, K. D. (2017). Analisis Sentimen dengan Menggunakan Algoritma Naïve Bayes. International Journal of Computer Sciences and Engineering, 5(7), 75–77. https://doi.org/10.26438/ijcse/v5i7.7577

Muhammad Romzi, & Kurniawan, B. (2020). Pembelajaran Pemrograman Python melalui Pendekatan Logika Algoritma. JTIM: Jurnal Teknik Informatika Mahakarya, 03(2), 37–44.

Nuzulia, A. (1967). 済無No Title No Title No Title. Angewandte Chemie International Edition, 6(11), 951–952.

Patappari, A., & Syafei. (2021). Perancangan Aplikasi Penyewaan Ruang Pertemuan. Jisti, 4, 39–49.

Pradana, M. G. (2020). Penggunaan Fitur Wordcloud dan Document Term Matrix dalam Text Mining. Jurnal Ilmiah Informatika, 8(1), 38–43.

Pustaka, T. (2023). Tahun Publikasi. Jurnal Ilmiah, 7(1), 681–686.

Rifaldi, D., Abdul Fadlil, & Herman. (2023). Teknik Preprocessing dalam Text Mining dengan Menggunakan Data Tweet “Mental Health.” Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 161–171. https://doi.org/10.51454/decode.v3i2.131

Rizkya, A. T., Rianto, R., & Gufroni, A. I. (2023). Penerapan Naive Bayes Classifier untuk Analisis Sentimen pada Data Ulasan Aplikasi E-Commerce Shopee di Google Play Store. International Journal of Applied Information Systems and Informatics (JAISI), 1(1), 31–37.

Scaling OpenRefine. (2019). Halaman 1–9.

Septiani, D., & Isabela, I. (2022). Analisis Term Frequency Inverse Document Frequency (Tf-Idf) dalam Temu Kembali Informasi pada Dokumen Teks. SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia, 1(2), 81–88.

Sipayung, E. M., Maharani, H., & Zefanya, I. (2016). Perancangan Sistem Analisis Sentimen Komentar Pelanggan dengan Menggunakan Metode Naive Bayes Classifier. Jurnal Sistem Informasi (JSI), 8(1), 2355–4614. http://ejournal.unsri.ac.id/index.php/jsi/index

Taufik, M., Harahap, E. N., & Akbar, H. A. (2020). Analisis Sentimen pada Ulasan Aplikasi Berbasis Android dengan Algoritma Naive Bayes. Jurnal Analisis Data dan Teknologi Informasi, 7(1), 15–22.

Wibawa, I., & Dewi, A. (2021). Analisis Sentimen pada Ulasan Game Mobile Legends dengan Menggunakan Algoritma Naïve Bayes. Jurnal Computer Science & Information Technology, 6(2), 112–119. https://doi.org/10.31334/jcst.v6i2.928

Wibowo, R., & Abdul Aziz. (2023). Analisis Sentimen di Instagram untuk Klasifikasi Ulasan Makanan Menggunakan Metode Naïve Bayes Classifier. Jurnal Komputer, 21(1), 135–141. https://doi.org/10.30865/jk.v21i1.2907

Tandel, S. S., Jamadar, A., & Dudugu, S. (2019 Survei Teknik Text Mining. 2019 5th International Conference on Advanced Computing and Communication Systems, ICACCS 2019, 1022–1026. https://doi.org/10.1109/ICACCS.2019.8728431

Zendrato, A. D., Berutu, S. S., Sumihar, P., & Budiati, H. (2024). Pengembangan Model Klasifikasi Sentimen Dengan Pendekatan Vader dan Algoritma Naive Bayes Terhadap Ulasan Aplikasi Indodax. 5(3). https://doi.org/10.47065/josh.v5i3.5050

Zain, I., Jamil, A., & Zahratul D. (2022). Implementasi Metode Naive Bayes untuk Klasifikasi Data Ulasan. Jurnal UMSurabaya, 10(1), 41–50. https://doi.org/10.30736/um-skripsi.v10i1.2616




DOI: https://doi.org/10.55311/aiocsit.v5i2.325

Refbacks

  • There are currently no refbacks.