ANALISIS SENTIMEN TERHADAP APLIKASI GBWHATSAPP MENGGUNAKAN NAIVE BAYES CLASSIFIER DAN RANDOM FOREST CLASSIFIER

Authors

  • Andika Prasetyo Universitas Singaperbangsa Karawang
  • Taufik Ridwan Universitas Singaperbangsa Karawang
  • Apriade Voutama Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.30656/jsii.v11i1.6936

Abstract

Era digital memicu perkembangan berbagai macam aplikasi termasuk pengiriman pesan. Kini layanan pengiriman pesan telah bergeser menjadi berbasis internet, salah satunya aplikasi WhatsApp. Namun beberapa pihak mengembangkan varian WhatsApp yang telah dimodifikasi, salah satunya adalah GBWhatsApp. GBWhatsApp memiliki lebih kaya fitur dan secara legalitas merupakan aplikasi ilegal. CNN Indonesia sudah menjelaskan sebelumnya terkait bahaya menggunakan aplikasi WhatsApp modifikasi pada channel YouTube. Video tersebut mendapatkan banyak komentar pro-kontra mengenai aplikasi GBWhatsApp. Pada 18 Mei 2021, GBWhatsApp menjadi salah satu trending topik di Twitter. Tidak lama pada 25 Oktober 2022, WhatsApp mengalami server down. Insiden ini memicu topik pembicaraan mengenai GBWhatsApp, termasuk di Twitter. Analisis sentimen dipakai demi mencari informasi berguna yang terdapat pada dokumen yang tidak tersusun. Penelitian ini diharapkan bisa mengetahui pendapat pemakai Twitter dan penonton video tersebut terhadap aplikasi GBWhatsApp. Tujuan dari penelitian ini adalah untuk mengklasifikasi sentimen terhadap aplikasi GBWhatsApp menggunakan NBC dan RFC. Penelitian ini, menggunakan metode SEMMA yang terdiri dari tahapan sample, explore, modify, model, dan assess. Sentimen terbagi menjadi positif, negatif, dan nonsentimen. Data yang digunakan yaitu data yang berlabel positif dan negatif dari gabungan data YouTube dan Twitter yang berjumlah 1.686 data. Data yang sudah dibersihkan berjumlah 1.545 data yang terbagi menjadi 90% data training sebesar 1.391 data dan 10% data testing sebesar 154 data. Hasil penelitian menunjukkan bahwa performa algoritma NBC lebih unggul dari algoritma RFC dengan akurasi 71,43%, precision 75,81%, dan recall 61,84%, sedangkan algoritma RFC dengan akurasi 64,94%, precision 80,56%, dan recall 38,16%.

 

Kata kunci: Analisis Sentimen, Algoritma Naive Bayes, Algoritma Random Forest, GBWhatsApp

References

B. Santoso, M. A. Ghofur, and J. Kuswanto, “Analysis of WhatsApp Mod User Awareness Information Security with Static Analysis Methods and Quantitative Methods,†Pros. Semin. Nas. Sains Teknol. dan Inov. Indones., vol. 3, no. November, pp. 213–222, 2021, doi: 10.54706/senastindo.v3.2021.128.

A. Anjani, I. A. Ratnamulyani, and A. A. Kusumadinata, “Penggunaan Media Komunikasi Whatsapp Terhadap Efektivitas Kinerja Karyawan,†J. Komun., vol. 4, no. 1, pp. 41–50, 2018, doi: 10.30997/jk.v4i1.1211.

A. R. Lubis, “Modifikasi Aplikasi Whatsapp GB Menurut Pasal 52 Undang Undang No . 28 Tahun 2014 Tentang Hak Cipta,†vol. 6, pp. 1472–1473, 2022.

Google Play Store, “GB WhatsApp - Android Apps on Google Play,†2022. https://play.google.com/store/search?q=GB Whatsapp&c=apps (accessed Dec. 21, 2022).

CNN Indonesia, “Bahaya Menggunakan Aplikasi Whatsapp Modifikasi,†2021. [Online]. Available: https://www.youtube.com/watch?v=qrhWaD2grVI&t=1s

N. M. Maghfur, F. Muhammad, and A. Voutama, “Analysis of the Relationship between Public Sentiment on Social Media and Indonesian Covid-19 Dynamics,†Systematics, vol. 3, no. 3, p. 336, 2021.

L. Anggraeni, “Netizen Resah, WA GB Jadi Trending di Twitter,†medcom.id, 2021. https://www.medcom.id/teknologi/news-teknologi/ob3enp5K-netizen-resah-wa-gb-jadi-trending-di-twitter

B. Nikmatur, “WA GB Curi Perhatian Netizen Usai WhatsApp Down,†Malang Times, 2022. https://www.malangtimes.com/baca/85902/20221031/100800/wa-gb-curi-perhatian-netizen-usai-whatsapp-down (accessed Dec. 21, 2022).

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,†J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.

D. W. Ardras and A. Voutama, “Analisis Sentimen Anti Lgbt Di Indonesia Melalui Media Sosial Twitter,†J. Tek., vol. 15, no. 1, pp. 23–28, 2023, doi: 10.30736/jt.v15i1.926.

Samsir, Ambiyar, U. Verawardina, F. Edi, and R. Watrianthos, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,†J. Media Inform. Budidarma, vol. 5, no. 1, p. 157, 2021, doi: 10.30865/mib.v5i1.2604.

R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MYPertamina pada Google Play Store Menggunakan Algoritma NBC,†J. Teknol. Terpadu, vol. 9, no. 2, pp. 42–48, 2023, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/jtt/article/download/318/201

M. Alkaff, A. Rizky Baskara, and Y. Hendro Wicaksono, “Sentiment Analysis of Indonesian Movie Trailer on YouTube Using Delta TF-IDF and SVM,†2020 5th Int. Conf. Informatics Comput. ICIC 2020, 2020, doi: 10.1109/ICIC50835.2020.9288579.

I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria, “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,†J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 49–54, 2022, [Online]. Available: http://ojs.serambimekkah.ac.id/jnkti/article/view/4004/pdf

A. Fathiarahma, A. Voutama, T. Ridwan, and N. Heryana, “Analisis Text Mining Klasifikasi Kegiatan Keluarga Menggunakan Orange dengan Metode Naive Bayes,†J. Teknol. Terpadu, vol. 9, no. 1, pp. 35–41, 2023, [Online]. Available: https://media.neliti.com/media/publications/493730-water-ph-and-turbidity-control-system-in-0a553e14.pdf

P. A. Permatasari, L. Linawati, and L. Jasa, “Survei Tentang Analisis Sentimen Pada Media Sosial,†Maj. Ilm. Teknol. Elektro, vol. 20, no. 2, p. 177, 2021, doi: 10.24843/mite.2021.v20i02.p01.

R. Delphia and M. Harjono K, “Persepsi Masyarakat atas Pelindungan Data Pribadi,†Survei Nas. Tahun 2021, pp. 3–62, 2021.

F. Muhammad, N. M. Maghfur, and A. Voutama, “Sentiment Analysis Dataset on COVID-19 Variant News,†Sci. J. Inromation Syst. Informatics, vol. 4, no. 1, pp. 382–391, 2022.

Downloads

Published

2024-03-16

Issue

Vol. 11 No. 1 (2024)

Section

Articles

License

Creative Commons License

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

  2. Author(s)' Warranties

    The author warrants that the article is original, written by stated author(s), has not been published before, contains no unlawful statements, does not infringe the rights of others, is subject to copyright that is vested exclusively in the author and free of any third party rights, and that any necessary written permissions to quote from other sources have been obtained by the author(s).

  3. Information
    Notice about change in the copyright policy of the journal 'Jurnal Sistem Informasi (JSiI)' : "From Vol 1, onwards the copyright of the article published in the journal 'Jurnal Sistem Informasi' will be retained by the author"