Open Journal Systems

Analisis Sentimen Opini Terhadap Novel Pada Website Goodreads Menggunakan Metode Naive Bayes Classifier

       Rahma Zahrani

Abstract


Pertumbuhan teknologi yang pesat memudahkan seseorang dalam menyampaikan berbagai opini secara online, termasuk mengenai pengalaman membaca buku. Banyak pembaca ingin mengetahui apakah suatu buku menarik menurut pandangan orang lain sebelum memutuskan buku mana yang akan dibaca. Namun, banyaknya komentar dan opini pada suatu novel mengakibatkan seseorang kesulitan untuk membaca satu per satu opini dan mengambil kesimpulan mengenai novel tersebut. Penelitian ini bertujuan untuk mengetahui kecenderungan publik dan memberikan gambaran mengenai novel Bumi berdasarkan opini di website Goodreads, serta untuk mengetahui performa Nae Bayes dalam memberikan klasifikasi sentimen. Metode yang digunakan untuk proses analisis sentimen adalah Nae Bayes dengan menggabungkan metode Random Oversampling dalam proses resampling data latih. Klasifikasi Nae Bayes dalam memberikan sentimen mendapatkan performa yang cukup baik pada nilai akurasi yakni sebesar 79% dan opini pembaca terhadap novel Bumi pada website Goodreads cenderung positif dengan persentase 85.26% opini positif, serta berdasarkan visualisasi wordcloud pada opini novel Bumi dapat disimpulkan novel tersebut bertema fantasi dan mempunyai alur yang lambat bagi sebagian orang.


  http://dx.doi.org/10.31544/jtera.v9.i2.2024.77-84

Keywords


Goodreads; Naive Bayes; Opini, Random Over Sampling

Full Text:

  PDF

References


S. Bhatia, M. Sharma, and K. K. Bhatia, Sentiment Analysis and Mining of Opinions, Stud. Big Data, vol. 30, no. May, pp. 503523, 2018, doi: 10.1007/978-3-319-60435-0_20.

D. Ikasari and Widiastuti, Sentiment Analysis Review Novel Goodreads Berbahasa Indonesia Menggunakan Naive Bayes Classifier, Semin. Nas. Ris. dan Inov. Teknol. (SEMNAS RISTEK) 2021, vol. 5, pp. 760765, 2021, [Online]. Available: http://www.proceeding.unindra.ac.id/index.php/semnasristek/article/view/5040

N. P. N. Anggraini, Y. A. Restuningtyas, and W. G. A. S. Jodi, Pengaruh Citra Merk, Desain Produk, Dan Online Customer Review Pada Keputusan Pembelian Online, IDEI J. Ekon. Bisnis, vol. 4, no. 2, pp. 8796, 2023, doi: 10.38076/ideijeb.v4i2.196.

M. Walsh and M. Antoniak, The goodreads classics: A computational study of readers, amazon, and crowdsourced amateur criticism, J. Cult. Anal., vol. 6, no. 2, pp. 243287, 2021, doi: 10.22148/001C.22221.

M. Thelwall and K. Kousha, Goodreads: A social network site for book readers, J. Assoc. Inf. Sci. Technol., vol. 68, no. 4, pp. 972983, 2017, doi: 10.1002/asi.23733.

M. Abbas, K. Ali, A. Jamali, K. Ali Memon, and A. Aleem Jamali, Multinomial Naive Bayes Classification Model for Sentiment Analysis, IJCSNS Int. J. Comput. Sci. Netw. Secur., vol. 19, no. 3, p. 62, 2019, doi: 10.13140/RG.2.2.30021.40169.

Y. Nurtikasari, S. Alam, T. I. Hermanto, T. Informatika, S. Tinggi, and T. Wastukancana, Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes, vol. 1, no. 4, pp. 411423, 2022, doi: 10.55123/insologi.v1i4.770.

T. S. Rambe, M. Nirmala, S. Hasibuan, and M. H. Dar, Sentiment Analysis of Beauty Product Applications using the Nave Bayes Method, vol. 8, no. 2, pp. 980989, 2023.

P. A. Perwira and N. I. Widiastuti, Imbalance Dataset in Aspect-Based Sentiment Analysis on Game Genshin Impact Review, J. Infotel, vol. 16, no. 1, pp. 7181, 2024, doi: 10.20895/infotel.v16i1.984.

N. Agustina, D. H. Citra, W. Purnama, C. Nisa, and A. R. Kurnia, Implementasi Algoritma Naive Bayes untuk Analisis Sentimen Ulasan Shopee pada Google Play Store, MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 2, no. 1, pp. 4754, 2022, doi: 10.57152/malcom.v2i1.195.

R. Ihsan, P. Selian, A. V. Vitianingsih, S. Kacung, and A. Lidya, Sentiment Analysis of Public Responses on Social Media to Satire Joke Using Naive Bayes and KNN, vol. 8, no. 3, pp. 14431451, 2024.

NURUL AFIFAH, Dony Permana, Dodi Vionanda, and Dina Fitria, Sentiment Analysis of Electric Cars Using Naive Bayes Classifier Method, UNP J. Stat. Data Sci., vol. 1, no. 4, pp. 289296, 2023, doi: 10.24036/ujsds/vol1-iss4/68.

L. E. Pradana and Y. Ruldeviyani, Sentiment Analysis of Nanovest Investment Application Using Naive Bayes Algorithm, J. Nas. Pendidik. Tek. Inform., vol. 12, no. 2, pp. 283293, 2023, doi: 10.23887/janapati.v12i2.62302.

T. Aksoy, S. Glseen, and S. elik, Data Pre-processing in Text Mining, Who Runs World Data, no. December, pp. 123144, 2020, doi: 10.26650/b/et06.2020.011.07.

F. Lan, Research on Text Similarity Measurement Hybrid Algorithm with Term Semantic Information and TF-IDF Method, Adv. Multimed., vol. 2022, 2022, doi: 10.1155/2022/7923262.

M. Dauda Abubakar, Haisal dan Umar, Sentiment Classification: Review of Text Vectorization Methods: Bag of Words, Tf-Idf, Word2vec and Doc2vec, SLU J. Sci. Technol., vol. 4, pp. 2733, 2022, doi: 10.56471/slujst.v4i.266.

A. Hanani, Term Frequency Inverse Document Frequency (TF-IDF), Visit. Anal., no. December, 2023, [Online]. Available: https://www.visitor-analytics.io/es/glosario/t/term-frequency-inverse-document-frequency-tf-idf

M. Hayaty, S. Muthmainah, and S. M. Ghufran, Random and Synthetic Over-Sampling Approach to Resolve Data Imbalance in Classification, Int. J. Artif. Intell. Res., vol. 4, no. 2, p. 86, 2021, doi: 10.29099/ijair.v4i2.152.

M. M. Saritas and A. Yasar, Performance Analysis of ANN and Naive Bayes Classification Algorithm for Data Classification, Int. J. Intell. Syst. Appl. 7, vol. 7, no. January 2019, 2019.

Z. Dong, X. Guo, S. Rajana, and B. Chen, Understanding 21st century bordeaux wines from wine reviews using nave bayes classifier, Beverages, vol. 6, no. 1, pp. 116, 2020, doi: 10.3390/beverages6010005.




DOI: http://dx.doi.org/10.31544/jtera.v9.i2.2024.77-84
Abstract 24 View    PDF viewed = 20 View

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 JTERA (Jurnal Teknologi Rekayasa)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright @2016-2023 JTERA (Jurnal Teknologi Rekayasa) p-ISSN 2548-737X e-ISSN 2548-8678.

��Lisensi Creative Commons

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

JTERA Editorial Office:
Politeknik Sukabumi
Jl. Babakan Sirna 25, Sukabumi 43132, West Java, Indonesia
Phone/Fax: +62 266215417
Whatsapp: +62 81809214709
Website: https://jtera.polteksmi.ac.id
E-mail: [email protected]