Analisis Sentimen Berdasarkan Hasil Review Lokasi Google Map Menggunakan Natural Language Toolkit TextBlob dan Naïve Bayes
Abstract views: 31
,
PDF downloads: 23
Abstract
Metode analisa sentimen adalah metode yang digunakan untuk memberikan pemahaman tentang perasaan atau opini yang terkandung dalam suatu teks. Seiring dengan perkembangan teknologi di era digital saat ini, data yang dihasilkan semakin melimpah salah satunya merupakan data yang dihasilkan oleh platform review seperti Google Maps. Google Maps adalah salah satu aplikasi yang populer dengan kemampuannya mencari lokasi, memberikan rute hingga memberikan ulasan atau review terhadap tempat yang dikunjungi. Dengan adanya review yang bisa diberikan pada Google Maps maka dapat dilakukan analisa sentimen yang bertujuan untuk mengetahui bagaimana perasaan atau opini dari para pengguna terhadap suatu tempat atau layanan. Metode yang umum digunakan untuk menganalisis sentimen adalah dengan menggunakan Natural Language Toolkit dan Naive Bayes. Natural Language Toolkit adalah toolkit untuk pemrosesan bahasa alami yang dibangun dengan python, sedangkan Naive Bayes adalah salah satu algoritma simple tetapi powerful untuk analisis sentimen Naive bayes bekerja dengan asumsi setiap fitur independent satu sama lain yaitu setiap kata independent dan dapat dijadikan prediksi sentimen dengan kata kunci tertentu. Studi ini membahas mengenai analisis sentimen terhadap review pengguna google maps terhadap Cafe berdasarkan review article menggunakan kombinasi Natural Language Toolkit, TextBlob, dan Naive Bayes. Studi ini bertujuan untuk mengenali sentimen ulasan pengguna menjadi positif, negatif, dan netral. Dataset yang digunakan berjumlah 253 data latih dan 64 data uji dari hasil review pelanggan pada platform Google Maps . Hasil penelitian menunjukkanbahwa model yang dibangun memiliki akurasi sebesar 94% dan metode yang digunakan cukup efektif dalam menjalankan pengklasifikasian ulasan pelanggan. Studi ini dapat memberikan informasi kepada manajemen Cafe dalam memahami persepsi pelanggan, studi ini juga dapat menjadi referansi untuk melakukan analisis sentimen sentimen pada review lokasi lainnya.
Downloads
References
Ardiansyah, Widagdo, Adika Sri, Qodri, Krisna Nuresa, Saputro, Fachruddin Edi Nugroho, & P, Nisrina Akbar Rizky. (2023). Analisis sentimen terhadap pelayanan Kesehatan berdasarkan ulasan Google Maps menggunakan BERT. Jurnal Fasilkom, 13(2), 326-333. https://doi.org/http://dx.doi.org/10.37859/jf.v13i02.5170
Darwis, Dedi, Pratiwi, Eka Shintya, & Pasaribu, A.Ferico Octaviansyah. (2020). Penerapaan Algoritma SVM Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Jurnal Ilmiah Eductic, 7. https://doi.org/https://doi.org/10.21107/edutic.v7i1.8779
Dwi Normawati, Surya Allit Prayogi. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2). https://doi.org/http://dx.doi.org/10.30645/j-sakti.v5i2.369
Haq, Fathia Uqimul, & Rachmat, Heryandi. (2020). Penggunaan Google Review Sebagai Penilaian Kepuasan Pengunjung Dalam Pariwisata. Journal of Sustainable Tourism Research, 2. https://doi.org/http://dx.doi.org/10.24198/tornare.v2i1.25826
Huda Mustakim, Sigit Priyanta. (2022). Aspect-Based Sentiment Analysis of KAI Access Reviews Using NBC and SVM. Indonesian Journal of Computing and Cybernetics Systems (IJCCS), 16(2). https://doi.org/https://doi.org/10.22146/ijccs.68903
LLC, SerpAPI. (2024). SerpAPI. https://serpapi.com/
Ma’ady, Mochamad Nizar Palefi, Rizaldy, Denny Daffa, Satria, Rahul Fahmi, & Anaking, Purnama. (2023). SPARRING: Sistem Rekomendasi Peneliti Terintegrasi Google Scholar via SerpAPI dan Latent Dirichlet Allocation pada Konteks Perguruan Tinggi. Jurnal Teknologi dan Manajemen Informatika, 9. https://doi.org/https://doi.org/10.26905/jtmi.v9i2.11111
Masripah, Siti, & Utami, Lula Dini. (2020). Algoritma Klasifikasi Naive Bayes Untuk Analisa Sentimen Aplikasi Shopee. Jurnal SWABUMI, 8. https://doi.org/http://dx.doi.org/10.31294/swabumi.v8i2.8444
Muzaki, Akhmad, & Witanti, Arita. (2021). Sentiment Analysis of The Community in The Twitter to The 2020 Election in Pandemic Covid-19 By Method Naive Bayes Classifier. Jurnal Teknik Informatika, 2. https://doi.org/https://doi.org/10.20884/1.jutif.2021.2.2.51
Rahayu, Irma Putri, & Indra, Ahmad Fauzi Jamaludin. (2022). Analisis Sentimen Terhadapa Program Kampus Merdeka Menggunakan Naive Bayes dan Support Vector Machine. Jurnal Sistem Komputer dan Informatika (JSON), 4. https://doi.org/http://dx.doi.org/10.30865/json.v4i2.5381
Rifaldi, Dianda, Fadlil, Abdul, & Herman. (2023). Teknik Preprocessing pada Text Mining Menggunakan Data Tweet "Mental Healt". Jurnal Pendidikan Teknologi Informasi, 3. https://doi.org/http://dx.doi.org/10.51454/decode.v3i2.131
Utomo, Pradita Eko Prasetyo, Manaar, Khaira, Ulfa, & Suratno, Tri. (2019). Analisis Sentimen Online Review Pengguna Bukalapak Menggunakan Metode Algoritma TF-IDF. Jurnal Sains dan Sistem Informasi (JUSS), 2. https://doi.org/https://doi.org/10.22437/juss.v2i2.8469
Widyassari, Adhika Pramita, Rustad, Supriadi, Shidik, Guruh Fajar, Noersasongko, Edi, Syukur, Abdul, Affandy, & Setiadi, De Rosal Ignatius Moses. (2022). Review of Automatic Text Summariztion Techniques & Methods. Journal of King Saud University – Computer and Information Sciences, 34(4). https://doi.org/https://doi.org/10.1016/j.jksuci.2020.05.006
Yao, Jiawei. (2019). Automated Sentiment Analysis of Text Data with NLTK. Journal of Physics: Conference Series, 1187. https://doi.org/10.1088/1742-6596/1187/5/052020
Zhang, Qihuang, Yi, Grace Y., Chen, Li-Pang, & He, Wenqing. (2023). Sentiment Analysis and Casual Learning of COVID-19 Tweets Prior to The Rollout of Vaccines. PLOS ONE. https://doi.org/https://doi.org/10.1371/journal.pone.0277878
Copyright (c) 2025 Saiful Nur Budiman, Sri Lesanti, Erwan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
