Analisis Sentemen Terhadap Aplikasi Bukalapak Sebelum IPO dan Sesudah IPO Menggunakan Algoritma Naive Bayes
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Bukalapak adalah salah satu startup eCommerce paling awal yang berdiri di Indonesia. Bukalapak sudah menjembatani antara penjual (Pelapak) dengan pembeli sejak 2010. Pada tahun 2021 Bukalapak memberanikan diri untuk melakukan Initial Public Offers di BEI. Banyak ragam tanggapan dari pengguna Bukalapak terhadap langkah Bukalapak tersebut, baik positif maupun negatif. Sentimen negatif atau positif tersebut dapat menjadi masukan dan evaluasi bagi Bukalapak sendiri untuk mejaga loyalitas penggunanya. Proses penelitian ini dimulai dari pengumpulan data yang diperoleh dari scrapping data review produk Bukalapak di Google Playstore sebelum dan sesudah IPO. Kemudian dilakukan preprosesing data mulai dari casefolding, penghilangan stop word, tokenisasi, steming hingga TF-IDF. Hasil dari preprosesing tersebut kemudian dijadikan data untuk melakukan klasifikasi menggunakan Naive Bayes. Klasifikasi tersebut kemudian diuji dan mendapatkan nilai akurasi untuk data sebelum IPO sebesar 77% dan data setelah IPO sebesar 76%.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis, dan penulis mengakui bahwa Jnanaloka sebagai pihak yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution (CC BY). Lisensi ini mengijinkan untuk, Berbagi yakni menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; dan Adaptasi yakni menggubah, mengubah, dan membuat turunan dari materi iniuntuk kepentingan apapun, termasuk kepentingan komersial dengan ketentuan Atribusi
Cara Mengutip
Referensi
“Rekor bukalapak di bursa saham,” 2021, diakses 29 Oktober 2021. [Online]. Available: https://katadata.co.id/ariayudhistira/infografik/610d4b596bf63/ rekor-bukalapak-di-bursa-saham
B. Brahimi, M. Touahria, and A. Tari, “Improving sentiment analysis in arabic: A combined approach,” Journal of King Saud University-Computer and Information Sciences, vol. 33, no. 10, pp. 1242–1250, 2021.
B. Liu, “Sentiment analysis and opinion mining,” Synthesis lectures on human language technologies, vol. 5, no. 1, pp. 1–167, 2012.
Z. Zhang, Q. Ye, Z. Zhang, and Y. Li, “Sentiment classification of internet restaurant reviews written in cantonese,” Expert Systems with Applications, vol. 38, no. 6, pp. 7674– 7682, 2011.
A. B. P. Negara, H. Muhardi, and I. M. Putri, “Analisis sentimen maskapai penerbangan menggunakan metode naive bayes dan seleksi fitur information gain,” J. Teknol. Inf. dan Ilmu Komput, vol. 7, no. 3, 2020.
S. A. Azzahra and A. Wibowo, “Analisis sentimen multi-aspek berbasis konversi ikon emosi dengan algoritme naïve bayes untuk ulasan wisata kuliner pada web tripadvisor,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 4, pp. 737–744, 2020.
P. Arsi and R. Waluyo, “Analisis sentimen wacana pemindahan ibu kota indonesia meng- gunakan algoritma support vector machine (svm),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 1, pp. 147–156, 2021.
A. Rahmatulloh, N. I. Kurniati, I. Darmawan, A. Z. Asyikin, and D. Witarsyah, “Com- parison between the stemmer porter effect and nazief-adriani on the performance of winnowing algorithms for measuring plagiarism,” International Journal on Advanced Science, Engineering and Information Technology, vol. 9, no. 4, pp. 1124–1128, 2019.