Analisis Sentimen Pengguna Aplikasi Udemy dengan Menggunakan Metode Naïve Bayes

Joko Susanto; Dwi Hartanti; Nurmalitasari Nurmalitasari

doi:10.30591/smartcomp.v13i4.6884

Analisis Sentimen Pengguna Aplikasi Udemy dengan Menggunakan Metode Naïve Bayes

Joko Susanto, Dwi Hartanti, Nurmalitasari Nurmalitasari

Abstract

Berkembangnya pembelajaran online telah memungkinkan lebih banyak orang untuk belajar dalam berbagai bidang tanpa batasan waktu atau tempat. Banyak pengguna memilih Udemy, sebuah platform yang menawarkan berbagai kursus online dalam berbagai bidang seperti bahasa asing, teknologi, desain, dan bisnis. Penelitian memeiliki tujuan untuk menerapkan algoritma Naive Bayes dalam sistem analisis sentimen pada komentar pengguna yang terkait dengan aplikasi Udemy untuk menilai apakah pengalaman belajar di Udemy memenuhi harapan pengguna atau tidak. Pemilihan algoritma Naive Bayes karena mudah digunakan dan efisien, serta dapat menghasilkan hasil yang baik pada dataset yang kecil. Proses analisis ini melibatkan pengumpulan data komentar pengguna, pra-pemrosesan teks untuk membersihkan dan menormalkan data, dan kemudian menerapkan algoritma Naive Bayes serta mengelompokan komentar menjadi positif, negatif, atau netral. Diharapkan analisis ini akan meningkatkan pemahaman tentang bagaimana pengguna menilai dan merespons kursus online pada aplikasi Udemy. Studi ini juga dapat membantu pengembang platform pendidikan lainnya mengoptimalkan layanan mereka berdasarkan umpan balik pengguna. Studi ini mengklasifikasikan sentimen menjadi tiga jenis: positif, netral, dan negatif, dan tingkat akurasi keseluruhan yang diperoleh adalah 75.61% untuk train-test split 10%, 71.78% untuk train-test split 20%, dan 70.49% untuk train-test split 30%.

Keywords

Kursus; Naive Bayes; Udemy; Sentimen

Full Text:

References

udemy.com. 2024 Accessed: Apr. 23, 2024. [Online]. Available: https://about.udemy.com/company/?locale=en-us#contact

I. Sholekha, A. Faqih, and A. Bahtiar, “Sentiment Analysis of Public Opinion Covid-19 Vaccine Using Naïve Bayes and Random Forest Methods,” Jurnal Teknik Informatika, vol. 15, no. 1, pp. 34–43, 2022, doi: 10.15408/jti.v15i1.24847.

H. H. Mubaroroh, H. Yasin, and A. Rusgiyono, “Analisis Sentimen Data Ulasan Aplikasi Ruangguru Pada Situs Google Play Menggunakan Algoritma Naïve Bayes Classifier Dengan Normalisasi Kata Levenshtein Distance,” Jurnal Gaussian, vol. 11, no. 2, pp. 248–257, 2022, doi: 10.14710/j.gauss.v11i2.35472.

Y. MZ, J. Edwin Bororing, S. Rahayu, and J. Andhika Putra, “Analisis Sentimen Pengguna Apliaksi Shopee Menggunakan Metode Naive Bayes Classifier dan K-NN,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 12, no. 3, pp. 745–753, 2023, doi: 10.30591/smartcomp.v12i3.5494.

S. Aisyah, Moh. Furqan, and S. Sudriyanto, “Analisa Prototype Sistem Manajemen Praktikum Dan Tugas Akhir (Siamtek) Pada Perangkat Android,” NJCA (Nusantara Journal of Computers and Its Applications), vol. 7, no. 2, p. 76, 2022, doi: 10.36564/njca.v7i2.226.

L. Livienia, V. C. Mawardi, and J. Hendryli, “Penerapan Metode Naive Bayes Pada Aplikasi Prediksi Kecanduan Seseorang Terhadap Media Sosial,” Prosiding Serina, pp. 535–542, 2021, [Online]. Available: https://journal.untar.ac.id/index.php/PSERINA/article/view/17509%0Ahttps://journal.untar.ac.id/index.php/PSERINA/article/download/17509/9473

H. Hasanah, Nurmalitasari, and Ahmad Tomi, “Performansi Algoritma Naive Bayes Dan Neural Net Untuk Prediksi Kecocokan Pasien Dengan Pengobatan Immunoterapi Dan Cryotherapy,” Seminastika, vol. 3, no. 1, pp. 54–60, 2021, doi: 10.47002/seminastika.v3i1.254.

D. D. A. Yani, H. S. Pratiwi, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,” Jurnal Sistem dan Teknologi Informasi (JUSTIN), vol. 7, no. 4, p. 257, 2019, doi: 10.26418/justin.v7i4.30930.

R. W. Abdullah, D. Hartanti, H. Permatasari, A. W. Septyanto, and Y. A. Bagaskara, “Penerapan Data Mining untuk Memprediksi Jumlah Produk Terlaris Menggunakan Algoritma Naive Bayes Studi Kasus (Toko Prapti),” Jurnal Ilmiah Informatika Global, vol. 13, no. 1, pp. 20–27, 2022, doi: 10.36982/jiig.v13i1.2060.

W. A. Wahyuni, S. Saepudin, and Se. Falentino, “Sentiment Analysis of Online Investment Applications on Google Play Store using Random Forest Algorithm Method,” Jurnal Mantik, vol. 5, no. 4, pp. 2203–2209, 2022.

R. M. R. W. P. K. Atmaja and W. Yustanti, “Analisis Sentimen Customer Review Aplikasi Ruang Guru dengan Metode BERT (Bidirectional Encoder Representations from Transformers),” JEISBI (Journal of Emerging Information Systems and Business Intelligence), vol. 02, no. 3, pp. 55–62, 2021.

M. R. Ridho, S. A. Arnomo, F. Fifi, K. Khisal, and V. Fariska, “Prediksi Kepribadian Mahasiswa Menggunakan Naïve Bayes,” Prosiding Seminar Nasional Ilmu Sosial dan Teknologi (SNISTEK), vol. 5, no. September, pp. 8–14, 2023, doi: 10.33884/psnistek.v5i.8056.

J. V. Girsang, I. K. Jaya, and H. G. Simanullang, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER PADA SENTIMEN ANALISIS APLIKASI INVESTASI KEUANGAN DIGITAL Studi Kasus: Bareksa Dan Bibit,” METHOMIKA Jurnal Manajemen Informatika dan Komputerisasi Akuntansi, vol. 7, no. 2, pp. 225–230, 2023, doi: 10.46880/jmika.vol7no2.pp225-230.

A. Agustin, S. Andrean, S. Susanti, R. Rahmiati, and H. Hamdani, “Review Aplikasi Kredivo Menggunakan Analisis Sentimen Dengan Algoritma Support Vector Machine,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 9, no. 1, pp. 39–49, 2023, doi: 10.36341/rabit.v9i1.4107.

Streamlit.io. 2024 Accessed: May 30, 2024. [Online]. Available: https://streamlit.io/

Merinda Lestandy, Abdurrahim Abdurrahim, and Lailis Syafa’ah, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 802–808, 2021, doi: 10.29207/resti.v5i4.3308.

DOI: https://doi.org/10.30591/smartcomp.v13i4.6884