Sentiment Analisis pada moda Transportasi BUS untuk Meningkatkan Kualitas Layanan pada Perusahaan Otobus Terendah

Asep Saphari, Leonard Goermanto

Abstract


Transportasi BUS merupakan alat transportasi masal yang digunakan untuk berpindah dari satu tempat ke tempat lain atau dari satu kota ke kot lain dengan jumlah lebih dari satu penumpang. Kualitas layanan yang diberikan oleh masing-masing perusahaan penyedia layanan transportasi berbeda-beda. Proses evaluasi dan peningkatan layanan dibutuhkan untuk meningkatkan minat masyarakat dalam memilih moda transportasi dalam perjalanannya. Penggunaan metode algoritma K-Nearest Neighbor (KNN) dan Naive Bayes dapat digunakan untuk mengklasifikasikan perusahaan otobus yang ramai digunakan oleh masyarakat dalam melakukan aktifitas perjalanan dan memilih fasilitas terbaik pilihan masyarakat. Data yang digunakan merupakan data yang dikumpulkan melalui Pusat Data dan Informasi (PUSDATIN) DKI Jakarta yang terkoordinasi di terminal Pulogebang Jakarta Timur dan dengan survey yang disebarkan kepada masyarakat melalui media sosial. Dalam penelitian ini mendapatkan Accuracy 0.12, Macro Avg 0.02 dan Weight Avg 0.11 dengan jumlah data 2831.

Keywords


Bus; Clustering; K-NN; Naive Bayes; Transportasi masal.

Full Text:

PDF

References


S. N. Rahmatunnisa, A. Utami and A. Y. Nurhidayat, “Probabilitas Perpindahan Penumpang Transportasi Massal Berbasis Rel (Studi Kasus Kereta Api Argo Parahyangan Terhadap Kereta Cepat Jakarta – Bandung),” Ge-STRAM: Jurnal Perencanaan dan Rekayasa Sipil, vol. 4, no. 2, pp. 91–96, 2021, doi: https://doi.org/10.25139/jprs.v4i2.4056.

R. Setiawan, “Perlindungan Konsumen Transportasi Otobus: Studi Yuridis Kelayakan Transportasi Otobus di Kota Surakarta,” Jurnal Jurisprudence, vol. 6, no. 2, pp. 100–105, 2013.

R. K. Dinata, H. Akbar, and N. Hasdyna, “Algoritma K-Nearest Neighbor dengan Euclidean Distance dan Manhattan Distance untuk Klasifikasi Transportasi Bus,” ILKOM Jurnal Ilmiah, vol. 12, no. 2, Aug. 2020, doi: https://doi.org/10.33096/ilkom.v12i2.539.104-111.

R. Aryanti, A. Saepudin, E. Fitriani, R. Permana, and Dede Firmansyah Saefudin, “Komparasi Algoritma Naive Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Pengguna Busway,” Jurnal Teknik Komputer, vol. 5, no. 2, pp. 227–234, Aug. 2019, doi: https://doi.org/10.31294/jtk.v5i2.5406.

Y. A. Singgalen, “Analisis Sentimen dan Pemodelan Topik dalam Optimalisasi Pemasaran Destinasi Pariwisata Prioritas di Indonesia,” Journal of Information Systems and Informatics, vol. 3, no. 3, pp. 459–470, Oct. 2021, doi: https://doi.org/10.51519/journalisi.v3i3.171

Asroni and R. Adrian, “Penerapan Metode K-Means Untuk Clustering Mahasiswa Berdasarkan Nilai Akademik Dengan Weka Interface Studi Kasus Pada Jurusan Teknik Informatika UMM Magelang,” J. Ilm. Semesta Tek., vol. 18, no. 1, pp. 76–82, 2015.

A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.

S. F. Diba and J. Nugraha, “Implementation of Naive Bayes Classification Method for Sentiment Analysis on Community Opinion to Indonesian Criminal Code Draft,” vol. 474, no. Isstec 2019, pp. 186–192, 2020, doi: 10.2991/assehr.k.201010.027.

D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” J. Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi: 10.33365/jtk.v15i1.744.

A. Sari, F. V., & Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd. Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 2, no. 2, pp. 681–686, 2019.

W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” J. Mat. Stat. dan komputasi, vol. 9, no. 1, pp. 57–68, 2012.

W. Musu, A. Ibrahim, and Heriadi, “Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4 . 5,” Pros. Semin. Ilm. Sist. Inf. Dan Teknol. Inf., vol. X, no. 1, pp. 186–195, 2021.

T. N. P. Dicki Pajri, Yuyun Umaidah, “Implementation of K-Nearest Neighbor ( K-NN ) Algorithm For Public Sentiment Analysis of Online Learning,” Tek. Inform. dan Sist. Inf., vol. 15, no. 2, pp. 121–130, 2021, doi: 10.22146/ijccs.65176.

F. S. Jumeilah, “Penerapan Support Vector Machine (SVM) untuk Pengkategorian Penelitian”, J. RESTI (Rekayasa Sist. Teknol. Inf.) , vol. 1, no. 1, pp. 19 - 25, Jul. 2017.

S. Novita R, P. Harsani, and A. Qur’ania, “Penerapan K-Nearest Neighbor (KNN) untuk Klasifikasi Anggrek Berdasarkan Karakter Morfologi Daun dan Bunga,” Komputasi, vol. 15, no. 1, pp. 118–125, 2018, [Online]. Available: https://journal.unpak.ac.id/index.php/komputasi/article/view/1267.

H. Leidiyana, “Penerapan Algoritma K-Nearest Neighbor Untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor,” J. Penelit. Ilmu Komputer, Syst. Embed. Log., vol. 1, no. 1, pp. 65–76, 2013

M. H. Rifqo and A. Wijaya, “Implementasi Algoritma Naive Bayes Dalam Penentuan Pemberian Kredit,” Pseudocode, vol. 4, no. 2, pp. 120–128, 2017, doi: 10.33369/pseudocode.4.2.120-128

S. Afrizal, H. N. Irmanda, N. Falih, and I. N. Isnainiyah, “Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap,” Inform. J. Ilmu Komput., vol. 15, no. 3, p. 157, 2020, doi: 10.52958/iftk.v15i3.1454

K. A. Padhana, “Analisis Sentimen Masyarakat Terhadap Kondisi Perekonomian di Indonesia Pada Masa Pandemi 2020,” Jurnal Ilmu Teknik dan Komputer, vol. 5, no. 2, pp. 268–276, 2020




DOI: http://dx.doi.org/10.22441/jitkom.v7i1.010

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Jurnal Ilmu Teknik dan Komputer

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

Jurnal Ilmu Teknik dan Komputer
Alamat Redaksi :
Pusat Penelitian Universitas Mercu Buana Jakarta,
Gedung D Lantai 1, Jalan Meruya Selatan No. 01, Kembangan, Jakarta Barat 11650.
Telepon 021-5840816 Pesawat 3451 Fax. 021-5840813.
Homepage : http://www.mercubuana.ac.id Email : [email protected]
P-ISSN 2548-740X
E-ISSN 2621-1491

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

Web Analytics Made Easy - StatCounter
View My Stats