ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF

  • Regina
  • Saragih T
  • Kartini D
N/ACitations
Citations of this article
22Readers
Mendeley users who have this article in their library.

Abstract

BTS (Bangtan Boys) adalah salah satu boy grup asal korea selatan yang ditunjuk oleh Tokopedia untuk menjadi brand ambassador Tokopedia di Indonesia, BTS merupakan salah satu boy grup yang sangat mendunia dalam bidang musik dan Tokopedia merupakan salah satu E-commerce terkenal yang banyak digunakan oleh masyarakat indonesia untuk melakukan jual beli online. Kerjasama ini tentu saja memberikan pengaruh terhadap Tokopedia serta memperoleh banyak respon berupa opini masyarakat terutama pada media sosial twitter, karena hal tersebut maka dilakukan penelitian analisis sentiment. Data yang digunakan yaitu 900 data tweet dan terbagi menjadi 3 kelas yaitu positif, negatif, dan netral. Tahapan penilitian terdiri dari pengambilan dan pengumpulan data, preprocessing data, ekstraksi fitur dengan Term Frequency - Inverse Document Frequency (TF-IDF), klasifikasi dengan Bayesian network, evaluasi kinerja menggunakan K-fold cross validation (K-10) dan confution matrix. Perbandingan terjadi pada tahap preprocessing data, yaitu saat menggunakan normalisasi data dan tidak menggunakan normalisasi data, dari hasil perbandingan tersebut diperoleh nilai akurasi jika tidak menggunakan normalisasi data sebesar 66,6667%, presisi sebesar 68,1%, dan recall sebesar 66,7%. Sedangkan hasil akurasi dengan menggunakan normalisasi data sebesar 76,5556%, presisi sebesar 77,4%, dan recall sebesar 76,6%. Selisih nilai akurasi dari kedua percobaan sebesar 9,8889 %, hal ini membuktikan bahwa menggunakan normalisasi data lebih baik.

Cite

CITATION STYLE

APA

Regina, Saragih, T. H., & Kartini, D. (2023). ANALISIS SENTIMEN BRAND AMBASSADOR BTS TERHADAP TOKOPEDIA MENGGUNAKAN KLASIFIKASI BAYESIAN NETWORK DENGAN EKSTRAKSI FITUR TF-IDF. Jurnal Informatika Polinema, 9(4), 383–390. https://doi.org/10.33795/jip.v9i4.1333

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free