Analisa Kinerja Metode Support Vector Machine untuk Analisa Sentimen Ulasan Pengguna Google Maps

Andharini Dwi Cahyani

doi:10.47065/josyc.v4i3.3426

Andharini Dwi Cahyani * Universitas Trunojoyo Madura, Bangkalan, Indonesia

(*) Corresponding Author

DOI: https://doi.org/10.47065/josyc.v4i3.3426

Keywords: Support Vector Machine; Text Mining; Classification; Sentiment Analysis; Google Maps Review

Abstract

Sentiment Analysis is a subset of data mining that analyzes, understands, processes, and extracts textual data in the form of opinions or reviews about a certain object. The advancement of technology, such as Google Maps, can make it easier to find information on the location of an object. Google Maps also gives an object review. These reviews provide information that can be used to examine the feelings expressed by visitors. A text mining methodology with the Support Vector Machine method is utilized to process customer review text data. This method is part of a classification strategy that recognizes and categorizes data into two portions separated by a hyperplane. The data used in this case study are visitors' reviews that is recorded on Google Maps Review of the Eternal Flame, a tourist attraction obejct located in Sumenep.

Downloads

Download data is not yet available.

References

A. Sucipto, and H. Kusumodestoni, 2022. Implementasi Data Mining Algoritma Apriori Terhadap Penjualan Spare Part Motor di Yamaha Arista Subang. AMRI (Analisa Metode Rekayasa Informatika), 1(1), pp.52-58.

A. Wahyudi, S.O. Tampubolon, N. Afrilia Putri, A. Ghassa, E. Rasywir, and D. Kisbianty, 2022. Penerapan Data Mining Algoritma Naive Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap INDIHOME. Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM), 2(2), pp.240-247.

A. Nofianti, M.Y. Yawan, and M.A. Nazar, M.A., 2023. Implementasi Data Mining dalam Pengolahan Data Transaksi Toko Sembako Menggunakan Algoritma Apriori (Studi Kasus: Toko Devan Mart). G-Tech: Jurnal Teknologi Terapan, 7(1), pp.165-173.

S.P. Tamba, 2022. Penerapan Data Mining Algoritma Apriori Dalam Menentukan Stok Bahan Baku Pada Restoran Nelayan Menggunakan Metode Association Rule. Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM PRIMA), 5(2), pp.97-102.

R.D. Romadhona, 2022, September. Pemanfaatan Teknik Clustering untuk Mencapai Kecerdasan Bisnis Menggunakan Algoritma K-Means. In Seminar Nasional Sistem Informasi (SENASIF) (Vol. 6, pp. 3015-3023).

Hasanah, N.N. and Purnomo, A.S., 2022. Implementasi Data Mining Untuk Pengelompokan Buku Menggunakan Algoritma K-Means Clustering (Studi Kasus: Perpustakaan Politeknik LPP Yogyakarta). Jurnal Teknologi Dan Sistem Informasi Bisnis, 4(2), pp.300-311.

J.I. Pratiwi, D.R. Utami, and U. Enri, U., 2022. Klasifikasi Data Mining Dalam Menentukan Pemberian Pinjaman Berbasis Arisan Online dengan Algoritma C4. 5. InfoTekJar: Jurnal Nasional Informatika dan Teknologi Jaringan, 6(2), pp.262-266.

U.P. Sanjaya, T. Pribadi, and I.W.D. Prastya, I2022. Klasifikasi Dana Hibah Usaha Mikro Kecil dan Menengah dengan Metode Naïve Bayes. Indonesian Journal of Computer Science, 11(3).

A. H. Yunial, “Analisa Perbandingan Algoritma Klasifikasi Support Vector Machine, Decession Tree Dan Naive Bayes,” Pros. Semin. Nas. Inform. dan Sist. Inf. , vol. 5, no. 2, 2020.

Z. Alhaq, A. Mustopa, S. Mulyatun, and J. D. Santoso, “Penerapan Metode Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter,” J. Inf. Syst. Manag., vol. 3, no. 2, pp. 44–49, 2021, doi: 10.24076/joism.2021v3i2.558.

Kumar, A. and Starly, B., 2022. “FabNER”: information extraction from manufacturing process science domain literature using named entity recognition. Journal of Intelligent Manufacturing, 33(8), pp.2393-2407.

D.K. Jain, P. Boyapati, J. Venkatesh, and M. Prakash, 2022. An intelligent cognitive-inspired computing with big data analytics framework for sentiment analysis and classification. Information Processing & Management, 59(1), p.102758.

W. Fu, E.K. Choi, and H.S. Kim, 2022. Text mining with network analysis of online reviews and consumers’ satisfaction: A case study in Busan wine bars. Information, 13(3), p.127.

Lestari, T.P., 2022. Analisis Text Mining pada Sosial Media Twitter Menggunakan Metode Support Vector Machine (SVM) dan Social Network Analysis (SNA). Jurnal Informatika Ekonomi Bisnis, pp.65-71.

M. I. Fikri, T. S. Sabrila, and Y. Azhar, 2020. Perbandingan metode naïve bayes dan support vector machine pada analisis sentimen twitter. SMATIKA Jurnal: STIKI Informatika Jurnal, 10(02), pp.71-76.

Y.T. Pratama, 2018. Analisis Sentimen Opini Pelanggan Terhadap Aspek Pariwisata Pantai Malang Selatan Menggunakan TF-IDF dan Support Vector Machine (Doctoral dissertation, Universitas Brawijaya).

Syaifudin, Y.W. and Irawan, R.A., 2018. Implementasi Analisis Clustering Dan Sentimen Data Twitter Pada Opini Wisata Pantai Menggunakan Metode K-Means. Jurnal Informatika Polinema, 4(3), pp.189-189.

E. Widodo, I. Al Maksur, K.D. Larasati, and N.P. Saraswati, 2019, November. Analisis Sentimen Tripadvisor Terhadap Pariwisata Gunung Bromo dan Gunung Semeru. In Seminar Multimedia & Artificial Intelligence (Vol. 2, pp. 43-48).

R.P. Saputri, W.S. Winahju, dan K. Fithriasari, 2020. Klasifikasi Sentimen Wisatawan Candi Borobudur pada Situs TripAdvisor Menggunakan Support Vector Machine dan K-Nearest Neighbor. Jurnal Sains dan Seni ITS, 8(2), pp.D349-D356.

H. Herlawati, R. T. Handayanto, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, 2021. Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine. Jurnal Komtika (Komputasi dan Informatika), 5(2), pp.153-163.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Analisa Kinerja Metode Support Vector Machine untuk Analisa Sentimen Ulasan Pengguna Google Maps