scholarly journals Analisis Sentimen Review Halodoc Menggunakan Nai ̈ve Bayes Classifier

2021 ◽  
Vol 6 (2) ◽  
pp. 78-89
Author(s):  
Asep Hendra ◽  
Fitriyani Fitriyani
Keyword(s):  
Sentiment Analysis ◽  
Healthcare Service ◽  
Cross Validation ◽  
Medical Consultation ◽  
Bayes Classifier ◽  
Digital Platforms ◽  
Digital Platform ◽  
Ve Bayes ◽  
Health Control ◽  
Google Play

Healthcare service has the role to help and serve people to access medical services, i.e. providing medicines, medical consultation, or health control. Healthcare service has been transforming to a digital platform. Halodoc is one of the digital platforms that people can use for free or paid, user can also give reviews of Halodoc’s performance and services on Google Play Store to give feedback that Halodoc can use to evaluate and improve the app. The Google Play Store review is increasing every day. Therefore an analysis for the review with sentiment analysis for Halodoc’s review is needed, first phase of sentiment analysis for the review is preprocessing which has tokenization, transform to lower cases, filter stopword, dan filter token (by length) processes. The data is divided into two positive and negative classes with cross-validation and a k-fold validation value of 10, using Naïve Bayes Classifier algorithm with 81,68% accuracy and AUC 0.756, categorized as fair classification.

Klasifikasi Berita Kriminal Menggunakan Naïve Bayes Classifier (NBC) dengan Pengujian K-Fold Cross Validation

2019 ◽  
Vol 5 (2) ◽  
pp. 108-117
Author(s):  
Herfia Rhomadhona ◽  
Jaka Permadi
Keyword(s):  
Cross Validation ◽  
Online Media ◽  
Bayes Classifier ◽  
Ve Bayes ◽  
Fold Cross Validation

Berita kriminalitas merupakan berita yang selalu menjadi trending topik di setiap media massa, khususnya media massa online. Media massa online terlah menyediakan beberapa fasilitas untuk mempermudah masyarakan dalam mencari sebuah berita berdasarkan topik. Media massa online melabeli suatu berita berdasarkan kategorinya. Namun, media massa online tidak memberikan sub kategori pada berita tersebut. Sebagai contoh jika seorang pengguna membuka kategori kriminal, maka yang ditampilkan adalah semua jenis berita kriminal tanpa memberikan informasi yang spesifik dari jenis kriminalitasnya. Permasalahan tersebut dapat diatasi dengan mengklasifikasikan berita kriminalitas berdasarkan subkategori. Penelitian ini menggunakan metode Naïve Bayes Classifier (NBC)  untuk mengklasifikasi berita berdasarkan sub kategorinya. Adapun subkategori terbagi kedalam 5 kategori yaitu korupsi, narkoba, pencurian, pemerkosaan dan pembunuhan. Penelitian ini bertujuan untuk mengetahui kemampuan NBC dalam mengklasifikasi berita dengan melakukan pengujian menggunakan teknik K-Fold Cross Validation dengan nilai K dari 3 sampai 10. Hasil pengujian menyatakan bahwa NBC memiliki kemampuan dalam klasifikasi berita kriminal dengan nilai precision sebesar 98,53 %, nilai recall sebesar 98,44 % dan nilai accuracy sebesar 99,38 %.

scholarly journals Klasifikasi Dokumen Karya Akhir Mahasiswa Menggunakan Naïve Bayes Classifier (NBC) Berdasarkan Abstrak Karya Akhir Di Jurusan Teknik Elektro Universitas Negeri Jakarta

2017 ◽  
Vol 1 (1) ◽  
pp. 31-38
Author(s):  
Nur Indah Pratiwi ◽  
Widodo .
Keyword(s):  
Test Data ◽  
Cross Validation ◽  
Bayes Classifier ◽  
Ve Bayes ◽  
Fold Cross Validation

Dokumen karya akhir di Jurusan Teknik Elektro Universitas Negeri Jakarta setiap tahunnya bertambah, pengklasifikasian dokumen menjadi hal yang sangat penting untuk mengorganisasikan dokumen sehingga dapat memudahkan pencarian. Pengembangan Sistem klasifikasi dokumen bertujuan untuk mengembangkan sebuah sistem yang dapat mengklasifikasikan dokumen karya akhir mahasiswa berdasarkan abstrak karya akhir menggunakan algoritma Naïve Bayes Classifier (NBC). Sehingga, dapat memudahkan pengklasifikasian dokumen karya akhir  di Jurusan Teknik Elektro. Dalam penelitian ini menggunakan metode eksperimen dan menggunakan 100 dokumen abstrak, 90 dokumen sebagai data train dan 10 dokumen sebagai data test. Data diambil dari skripsi mahasiswa Jurusan Teknik Elektro Universitas Negeri Jakarta dari 14 Maret 2014 sampai dengan 27 Maret 2014. Setelah melakukan proses pengembangan perangkat lunak, dihasilkan sebuah sistem klasifikasi yang bernama Sistem Klasifikasi Dokumen Skripsi. Sistem di implementasi menggunakan PHP dan MySQL, dan diuji menggunakan K-Fold Cross Validation (10 Fold). Berdasarkan pada hasil uji Sistem didapatkan hasil tingkat akurasi sebesar 81%. Oleh karena itu, dapat disimpulkan bahwa Sistem Klasifikasi Dokumen Abstrak Karya Akhir Menggunakan Algoritma Naïve Bayes di Jurusan Teknik Elektro telah berhasil dikembangkan.

scholarly journals Analisis Sentimen Kepuasan Pengguna Aplikasi Whatsapp Menggunakan Algoritma Naïve Bayes Dan Support Vector Machine

2021 ◽  
Vol 6 (2) ◽  
pp. 91-105
Author(s):  
Acep Saepulrohman ◽  
Sudin Saepudin ◽  
Dudih Gustian
Keyword(s):  
Support Vector Machine ◽  
Cross Validation ◽  
Support Vector ◽  
Ve Bayes ◽  
Google Play ◽  
Fold Cross Validation

Teknologi informasi dan komunikasi saat ini sangat berkembang pesat, salah satunya Aplikasi Chat atau pesan instan seperti WhatsApp, Line dan Telegram. Pada bulan Oktober 2020, mayoritas pengguna aplikasi pesan instan adalah pengguna aplikasi WhatsApp, dengan total 2 miliar pengguna. Sekalipun aplikasi whatsapp tersebut masuk dalam peringkat teratas dan mendapat skor tertinggi, akan tetapi hal tersebut tidak dapat dijadikan tolak ukur kepuasan karena masih terdapat pandangan yang negatif terhadap aplikasi whatsapp, sebagian pengguna menganggap bahwa whatsapp seringkali eror pada saat digunakan, kemudian masalah lain yang muncul seperti jaringan yang digunakan pengguna tidak stabil. Untuk melakukan analisis mengenai hal tersebut diperlukan pendekatan analisis sentimen guna mengkategorikan komentar pengguna menjadi positif atau negatif. Penelitian ini menggunakan algoritma Naïve Bayes dengan Support Vector Machine dalam menganalisa komentar positif dan negatif terhadap kepuasan pengguna aplikasi Whatsapp di Google Play Store. Dari hasil pengujian yang dilakukan terhadap 1500 data komentar pengguna, evaluasi model menggunakan 10 Fold Cross Validation menunjukan bahwa tingkat keakurasian untuk kepuasan pengguna aplikasi whatsapp berdasarkan algoritma Naïve Bayes adalah sebesar 70,40% dan Support Vector Machine sebesar 77,00%, sedangkan nilai AUC Naïve Bayes sebesar 0,585 dan Support Vector Machine adalah  0,876. Dari hasil tersebut algoritma Support Vector Machine dapat digunakan untuk penelitian dengan karakteristik  data yang sama.

scholarly journals Sentiment Analysis of Cyberbullying on Instagram User Comments

2019 ◽  
Vol 2 (1) ◽  
pp. 88-98 ◽  
Author(s):  
Muhammad Zidny Naf'an ◽  
Alhamda Adisoka Bimantara ◽  
Afiatari Larasati ◽  
Ezar Mega Risondang ◽  
Novanda Alim Setya Nugraha
Keyword(s):  
Social Media ◽  
Feature Extraction ◽  
Sentiment Analysis ◽  
Cross Validation ◽  
Experimental Results ◽  
Training Data ◽  
Bayes Classifier ◽  
User Comments ◽  
One Act ◽  
Fold Cross Validation

Instagram is a social media for sharing images, photos and videos. Instagram has many active users from various circles. In addition to sharing submissions, Instagram users can also give likes and comments to other users' posts. However, the comment feature is often misused, for example it is used for cyberbullying which includes one act against the law. But until now, Instagram still does not provide a feature to detect cyberbullying. Therefore, this study aims to create a system that can classify comments whether they contain elements of cyberbullying or not. The results of the classification will be used to detect cyberbullying comments. The algorithm used for classification is Naïve Bayes Classifier. Then for each comment will pass the preprocessing and feature extraction stages with the TF-IDF method. For evaluation and testing using the K-Fold Cross Validation method. The experiment is divided into two, namely using stemming and without stemming. The training data used is 455 data. The best experimental results obtained an accuracy of 84% both with stemming, and without stemming.

scholarly journals Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store

2020 ◽  
Vol 12 (2) ◽  
pp. 154-161
Author(s):  
Lutfi Budi Ilmawan ◽  
Muhammad Aliyazid Mude
Keyword(s):  
Cross Validation ◽  
Naive Bayes ◽  
Naïve Bayes ◽  
Classification Method ◽  
Svm Classifier ◽  
Bayes Classifier ◽  
Validation Method ◽  
Naive Bayes Classification ◽  
Google Play ◽  
Fold Cross Validation

In this research, the performance of SVM classification method will be compared with other classification methods, by using the Naïve Bayes classification method. Naïve Bayes classification method is a light classification method and has a high accuracy if applied to the text classification according to some previous studies. The accuracy of the classifier is measured using the K-fold cross validation method whose results will be tabulated in a confusion matrix table, with a value of K = 3. In this study, the data processed are textual reviews of applications in the Indonesian language Google Play Store obtained from previous research. The test results obtained from the 3-fold cross-validation method produce that SVM Classifier has a higher value of accuracy when compared with the accuracy of the Naïve Bayes classifier, the SVM classifier gets an accuracy of 81.46% and Naïve Bayes classifier by 75.41%.

scholarly journals Digital Platform Ecosystems as Living Labs for Sustainable Entrepreneurship and Innovation: A Conceptual Model Proposal

2021 ◽  
Vol 13 (11) ◽  
pp. 6494
Author(s):  
Grzegorz Baran ◽  
Aleksandra Berkowicz
Keyword(s):  
Conceptual Model ◽  
Real Life ◽  
The Body ◽  
Innovation Development ◽  
Sustainable Entrepreneurship ◽  
Digital Platforms ◽  
Digital Platform ◽  
Living Labs ◽  
Platform Ecosystems ◽  
The Relationship

The main idea of the paper is to combine modern research methods (as living labs that enable research in a real-life setting) with the new technological opportunities for entrepreneurship and innovation development (as digital platforms) to search for innovative solutions, while addressing the sustainable development problems. Thus, the paper aims to explain how real value for society is created within digital platform ecosystems and how they employ to this end novel solutions that better address existing social problems. Consequently, it proposes a conceptual framework to research and develop sustainable entrepreneurship and innovation with the use of digital platforms. This research study takes a synthesizing conceptual approach that seeks to integrate the existing knowledge drawn on two major streams of research: living labs as a methodology and digital platform ecosystems to enrich the theory of sustainable entrepreneurship and innovation development. The paper contributes to the body of knowledge by proposing a novel conceptual model of digital platform ecosystems as living labs for sustainable entrepreneurship and innovation. The model depicts digital platform ecosystems examined as living labs and the implicit processes that include platform users in problem-solving and value-creation in real-life settings. The novelty of the model stems from framing these processes that capture the relationship between individuals and opportunities as the foundations of entrepreneurship and the relationship between the problem space and the solution space, where the opportunities occur.

Sign in / Sign up

Export Citation Format

Share Document