Claim Missing Document
Check
Articles

PENERAPAN ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN PENGUNJUNG DI PANTAI KEJAWANAN Apriliansyah, Rizal Dwi Rizki; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5774

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung terhadap objek wisata Pantai Kejawanan dengan menggunakan algoritma Naïve Bayes. Sentimen diklasifikasikan menjadi dua kategori, yaitu positif dan negatif. Ulasan daring merupakan sumber data penting untuk memahami persepsi pengunjung terhadap destinasi wisata. Algoritma Naïve Bayes dipilih karena keunggulannya dalam menganalisis teks. Dataset terdiri dari 998 ulasan yang dikumpulkan melalui scraping menggunakan SerApi, dengan periode data dari 2020 hingga 2024. Analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup pemilihan data, pre-processing (pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming), serta transformasi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dataset dibagi menjadi 70% data pelatihan dan 30% data pengujian sebelum penerapan algoritma. Hasil menunjukkan bahwa model mampu mencapai akurasi 78%, presisi 92%, recall 80%, dan F1-score 86%, yang mencerminkan performa baik dalam klasifikasi sentimen. Evaluasi menggunakan confusion matrix menunjukkan model konsisten dalam membedakan sentimen positif dan negatif. Analisis ini menunjukkan bahwa mayoritas ulasan pengunjung Pantai Kejawanan bersentimen positif, menggambarkan pengalaman yang memuaskan. Keywords: naïve bayes; objek wisata, data mining; analisis sentimen; pengunjung.
PREDIKSI CHURN PELANGGAN PADA LAYANAN DESAIN GRAFIS HOME DESAIN MENGGUNAKAN ALGORITMA NAÏVE BAYES DAIPAH, IIP IMRON; ASTUTI, RINI; PRIHARTONO, WILLY
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5811

Abstract

Abstrak. Penelitian ini bertujuan untuk mengembangkan model prediksi churn pelanggan di Home Desain menggunakan algoritma Naïve Bayes. Dataset yang digunakan mencakup data transaksi dari tahun 2021 hingga 2024, dengan fitur-fitur seperti jenis layanan, jumlah revisi, harga, status pembayaran, kategori revisi, dan keterlambatan pembayaran. Proses analisis mengikuti tahapan dalam metode Knowledge Discovery in Databases (KDD), yang mencakup seleksi, praproses, transformasi data, pembuatan model, dan evaluasi. Pada tahap seleksi data, fitur yang relevan dengan churn pelanggan dipilih, sementara praproses dilakukan untuk memastikan konsistensi data. Transformasi data digunakan untuk mempersiapkan data sebelum dimasukkan ke dalam model prediksi. Model dikembangkan menggunakan algoritma Naïve Bayes, yang terbukti efektif dalam menangani data besar dan masalah klasifikasi. Hasil evaluasi menunjukkan bahwa model yang dikembangkan memiliki performa sangat baik, dengan akurasi 99%, presisi 1.00, recall 0.99, dan F1-score 0.99, yang menandakan bahwa model ini sangat handal dalam mengidentifikasi pelanggan yang berisiko churn. Temuan ini membuktikan bahwa Naïve Bayes adalah alat yang efektif dalam merancang strategi retensi yang lebih efisien, serta berguna bagi perusahaan di sektor jasa kreatif untuk meningkatkan pengambilan keputusan berbasis data. Penelitian ini memberikan kontribusi signifikan terhadap literatur mengenai penggunaan algoritma prediktif dalam industri kreatif, membuktikan bahwa Naïve Bayes dapat diandalkan dalam menganalisis data besar dan memprediksi churn pelanggan dengan akurasi tinggi. Temuan ini juga membantu perusahaan merancang strategi yang lebih efektif untuk mempertahankan pelanggan dan meningkatkan daya saing  pasar.
IMPLEMENTASI NAÏVE BAYES UNTUK MENGANALISIS SENTIMEN TERHADAP PERILAKU PENGGUNA DAN KUALITAS LAYANAN DIGITAL RADIO Laksamana, Patria Gita; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5847

Abstract

Penelitian ini bertujuan untuk mengkaji sentimen pengguna terkait perilaku dan kualitas layanan aplikasi radio digital dengan memanfaatkan algoritma Naïve Bayes. Data yang dianalisis mencakup 450 ulasan pengguna yang dikumpulkan dari Google Play Store menggunakan teknik web scraping. Proses analisis melibatkan pelabelan data secara manual, pra-pemrosesan teks melalui langkah-langkah seperti pembersihan data, stemming, dan penghapusan kata-kata umum (stopword), serta transformasi data dengan metode TF-IDF. Untuk mengatasi ketidakseimbangan data, diterapkan teknik SMOTE sehingga data menjadi lebih seimbang. Model Naïve Bayes yang dikembangkan menghasilkan akurasi sebesar 84% dengan kinerja yang baik berdasarkan evaluasi menggunakan confusion matrix dan cross-validation. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes efektif untuk analisis sentimen dan memberikan wawasan penting mengenai pola perilaku konsumen terhadap layanan radio digital. Penelitian ini menyimpulkan pentingnya inovasi yang berkelanjutan dalam meningkatkan pengalaman pengguna dan daya saing di era digital.
ANALISIS STATISTIK ANOVA UNTUK MENGEVALUASI KUALITAS FOTO BERDASARKAN VARIASI FOTOGRAFI Haikal, Harisman; Astuti, Rini; Prihartono, Willy
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5860

Abstract

Penelitian ini bertujuan untuk mengevaluasi kualitas foto yang dihasilkan dari berbagai teknik fotografi, yaitu pencahayaan alami, pencahayaan buatan, dan aturan sepertiga, menggunakan analisis statistik ANOVA. Melalui metode eksperimen, foto diambil dalam kondisi yang terstandarisasi untuk memastikan konsistensi hasil. Kualitas foto dinilai oleh panel ahli berdasarkan kriteria ketajaman, pencahayaan, dan komposisi.Hasil analisis ANOVA menunjukkan adanya perbedaan signifikan dalam kualitas foto yang dihasilkan oleh ketiga teknik fotografi tersebut. Teknik aturan sepertiga memberikan rata-rata nilai kualitas foto tertinggi dibandingkan dengan pencahayaan alami dan pencahayaan buatan. Uji lanjut Tukey HSD mengkonfirmasi bahwa teknik aturan sepertiga secara signifikan menghasilkan kualitas foto yang lebih baik.Penelitian ini memberikan kontribusi penting bagi dunia fotografi, baik secara praktis maupun akademis, dengan menawarkan wawasan tentang bagaimana teknik fotografi tertentu memengaruhi kualitas hasil. Temuan ini diharapkan dapat menjadi panduan bagi fotografer dalam memilih teknik yang sesuai untuk menghasilkan foto berkualitas tinggi.
OPTIMALISASI UPAYA PENCEGAHAN STUNTING PADA BALITA DI KOTA CIREBON MENGGUNAKAN METODE NAÏVE BAYES Lita, Arlita lita; Prihartono, Willy; Rohmat, Cep Lukman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.5868

Abstract

Abstrak. Stunting adalah kondisi kekurangan gizi kronis yang menyebabkan tinggi badan anak berada di bawah standar usianya. Di Puskesmas Nelayan Kota Cirebon, prevalensi stunting pada balita cukup tinggi akibat pola makan yang kurang baik, minimnya pengetahuan gizi orang tua, dan akses terbatas pada makanan bergizi. Penelitian ini bertujuan untuk mengoptimalkan peran Posyandu dalam pencegahan stunting pada balita melalui klasifikasi pembagian makanan berdasarkan usia, berat badan, tinggi badan, dan lingkar lengan atas (LILA) menggunakan metode Naïve Bayes. Penelitian dilakukan di Puskesmas Nelayan Kota Cirebon dengan menggunakan data antropometrik balita sebagai dasar analisis. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan status gizi balita dengan tingkat akurasi yang memadai, sehingga dapat digunakan sebagai referensi dalam merancang strategi distribusi makanan yang lebih terarah. Temuan ini memberikan kontribusi terhadap pengembangan strategi intervensi stunting yang lebih efektif di masa mendatang.
OPTIMASI STOK DENGAN CLUSTERING DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA K-MEANS DI KONTER AGUNG CELL RAHMAWATI, RULI; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6302

Abstract

Pengelolaan stok barang yang tidak optimal menjadi tantangan utama bagi usaha kecil seperti Konter Seluler Agung Cell. Penelitian ini bertujuan untuk mengidentifikasi pola pembelian pelanggan serta mengoptimalkan pengelolaan stok melalui penerapan algoritma K-Means yang diimplementasikan menggunakan perangkat lunak RapidMiner. Pemilihan algoritma K-Means didasarkan pada efektivitasnya dalam menganalisis data berukuran besar secara sistematis.  Data penelitian diperoleh melalui observasi langsung dan mencakup 500 transaksi penjualan selama periode 1 Juli hingga 1 Agustus 2024. Variabel yang digunakan meliputi kategori produk, quantity, harga jual, dan total harga. Pemilihan data ini dilakukan agar analisis dapat difokuskan pada variabel yang relevan untuk mengidentifikasi pola pembelian konsumen. Metode analisis data dilakukan berdasarkan pendekatan Knowledge Discovery in Databases (KDD) meliputi tahapan Data Selection, preprocessing, transformation, data mining, dan evaluation.  Analisis ini menggunakan 500 data transaksi penjualan. Penelitian ini menghasilkan beberapa Cluster, Analisis menunjukan konfigurasi Cluster 3 sebagai yang terbaik, dengan nilai Davies-Bouldin Index (DBI) terendah, yaitu 0,913 dari beberapa cluster yang diuji coba.  Temuan ini memungkinkan identifikasi pola pembelian pelanggan yang lebih jelas, sehingga dapat membantu dalam pengelolaan stok yang lebih efisien dan tepat sasaran.
ANALISIS SENTIMEN ULASAN GOOGLE MAPS RUMAH SAKIT KHALISHAH DI CIREBON DENGAN ALGORITMA NAIVE BAYES RIZKI, ALVA FAUZIR; Prihartono, Willy; rohman, Fathur
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6309

Abstract

Rumah Sakit Khalishah merupakan fasilitas kesehatan di Kabupaten Cirebon, dan dengan kemajuan teknologi informasi, analisis sentimen menjadi metode yang efektif untuk memahami pandangan masyarakat terhadap layanan dan fasilitas kesehatan. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat dengan algoritma Naïve Bayes, menggunakan data ulasan dari platform Google Maps. Data dikumpulkan dengan teknik web scraping dan diproses melalui tahapan pra-pemrosesan teks, termasuk pembersihan, normalisasi, tokenisasi, penghapusan stopwords, dan stemming. Teknik TF-IDF digunakan untuk memberi bobot pada kata-kata dalam teks sebelum dilakukan pemodelan sentimen. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes mencapai accuracy 84%, precision 89%, recall 91%, dan F1-score 90%. Temuan analisis menunjukkan bahwa mayoritas ulasan masyarakat bernada positif, mencerminkan tingkat kepuasan tinggi terhadap layanan rumah sakit. Namun, ulasan negatif mengindikasikan perlunya peningkatan di beberapa aspek, seperti efisiensi administrasi dan kenyamanan fasilitas. Penelitian ini memberikan kontribusi bagi manajemen Rumah Sakit Khalishah untuk meningkatkan layanan dan fasilitas serta sebagai acuan bagi pengambilan keputusan strategis di sektor Kesehatan.
SEGMENTASI KONSUMEN DI PASARMU.ID MENGGUNAKAN K-MEANS CLUSTERING BERDASARKAN MODEL RFM Jihan, Aminatun; Prihartono, Willy; ., Fathurrohman
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6327

Abstract

Kemajuan teknologi mempermudah pengelolaan data pelanggan, meningkatkan efisiensi operasional bisnis. Penelitian ini menggunakan algoritma K-Means Clustering untuk mengelompokkan pelanggan Pasarmu.id berdasarkan model RFM (Recency, Frequency, Monetary) guna memahami pola belanja mereka. Penelitian ini mengikuti metode Knowledge Discovery in Databases (KDD) yang meliputi pemilihan data, prapemrosesan, transformasi, klasterisasi, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI) untuk menentukan jumlah klaster optimal. Hasil segmentasi membagi pelanggan menjadi tiga kelompok: Golden Customer (Frequency dan Monetary tinggi, Recency rendah), Platinum Customer (Recency tinggi, Frequency dan Monetary sedang), dan Silver Customer (Recency tinggi, Frequency dan Monetary rendah). Visualisasi hasil memperlihatkan karakteristik tiap kelompok, membantu strategi pemasaran yang lebih tepat sasaran: program loyalitas dan diskon untuk Golden Customer, promosi peningkatan transaksi bagi Platinum Customer, serta penawaran khusus untuk Silver Customer agar lebih aktif berbelanja. Pendekatan berbasis data ini diharapkan dapat meningkatkan efektivitas pemasaran, membangun loyalitas pelanggan, serta meningkatkan pendapatan Pasarmu.id, sekaligus menegaskan pentingnya analisis data dalam merancang strategi pemasaran yang lebih personal dan relevan.
IMPLEMENTASI ALGORITMA FP-GROWTH UNTUK MENINGKATKAN PEMASARAN PRODUK MINUMAN BOBA BERBASIS PYTHON (STUDI KASUS: KEDAI NGENYOD'S DESA BOGOR INDRAMAYU) Erpian, Soni; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6341

Abstract

Penelitian ini menganalisis pola pembelian produk di Kedai "Ngenyod'S", dengan menggunakan algoritma FP-Growth untuk meningkatkan strategi pemasaranPola pembelian pelanggan sangat penting untuk membuat strategi promosi yang lebih baik dan mengelola stok.  Salah satu masalah yang dihadapi adalah tidak memanfaatkan data transaksi secara efektif saat menentukan strategi pemasaran.  Akibatnya, tujuan penelitian ini adalah menerapkan algoritma FP-Growth untuk menemukan itemsets sering dan pola asosiasi yang dapat digunakan dalam strategi bisnis berbasis data.  Proses penelitian ini terdiri dari beberapa langkah: pengumpulan data transaksi, preprocessing data, penerapan algoritma FP-Growth, dan analisis hasil dengan mempertimbangkan nilai dukungan dan kepercayaan tertentu. Dataset yang digunakan mencakup 508 penjualan dengan atribut seperti tanggal penjualan, nama produk, jumlah penjualan, harga satuan, dan pendapatan total.  Hasil penelitian menunjukkan bahwa beberapa produk, seperti Milo Milk dan Milo Ori, memiliki pola pembelian yang kuat dengan keyakinan sebesar 70%. Pola ini memberikan wawasan untuk strategi pemasaran, seperti menerapkan promosi bundling atau diskon untuk produk terkait.  Selain itu, penelitian ini menemukan bahwa algoritma FP-Growth lebih efisien dalam analisis data transaksi dibandingkan dengan metode konvensional. Kesimpulannya adalah bahwa penggunaan algoritma FP-Growth dapat membantu bisnis menemukan pola pembelian pelanggan, meningkatkan efisiensi pemasaran, dan mengoptimalkan manajemen stok. Studi ini membantu mengembangkan sistem rekomendasi berbasis pola pembelian yang dapat digunakan dalam bisnis ritel, terutama usaha kecil dan menengah.  Memperluas atribut dataset dan menggabungkan teknik lain seperti algoritma Apriori untuk mendapatkan hasil yang lebih lengkap adalah saran untuk penelitian lanjutan. Model serupa juga dapat diterapkan untuk meningkatkan efisiensi pemasaran berbasis data di berbagai industri bisnis lain.
PENERAPAN NAIVE BAYES UNTUK ANALISIS SENTIMEN PADA ULASAN PELANGGAN DI LAZADA: STUDI KASUS TOKO MAWAR COLLECTION Al Lutfani, Thariq Kemal; Astuti, Rini; Prihartono, Willy; Hamonangan, Ryan
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6391

Abstract

Penelitian ini memanfaatkan algoritma Naive Bayes untuk menganalisis sentimen ulasan pelanggan terhadap toko Baju Mawar Collection di platform Lazada.Hasil eksperimen menunjukkan bahwa model yang dikembangkan mencapai akurasi 94%, presisi 96%, recall 98%, dan F1-score 97%. Temuan ini menunjukkan bahwa pendekatan Naive Bayes mampu secara efektif mengenali pola sentimen dalam ulasan data, meskipun terdapat kombinasi antara ulasan positif dan negatif. 
Co-Authors ., Fathurrohman Agustin, Nia Aini Nurul Ainisa, Nurul Al Lutfani, Thariq Kemal Al Maeni, Nurul Amelia, Astri Ameliana, Nikan Andre Setiawan, Andre Apriliansyah, Rizal Dwi Rizki Aprilla, Anggita Arifqi, Tri Astuti , Rini Ayu Azzahra, Fadita Ayuni, Putri DAIPAH, IIP IMRON Dalifah, Nurul Dita, Fio Eka Permana, Sandy Erpian, Soni Fachry Abda El Rahman Fathur Rohman, Fathur Fathurrohman Fathurrohman Faturrohman, Faturrohman Faujia, Agnes Firmansyah, Fajar Gifthera Dwilestari Gunawan, Sepriyan Hadi Wicaksana, Arya Haikal, Harisman Hamonangan, Ryan Haryandini, Nur Anindya Putri Hayati, Umi Herdiana, Rulli Herdiana, Rully Hidayah, Nurni Hidayat, Pierre Galuh HIDAYATULLAH, NAUFAL ARIF Hoeriah, Dede Ilham Syahputra, Arief Irma Purnamasari, Ade Jannah, Nursuviyani Jihan, Aminatun Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Laksamana, Patria Gita Lita, Arlita lita Maulana, Aldi Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nur Pangestika, Fanny Nurdin Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Odi Nurdiawan OKTAVIANI, ERNA Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput RAHMAWATI, RULI Ramadhan, Niko Retnasari, Peni Rini Astuti RIZKI, ALVA FAUZIR Rohmat, Cep Lukman Rosiana, Rosa Sakarias Berek, Richardus Salsabila, Fauhan saninah, annisa Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Yudhistira Arie Wijaya Zaelani, Nursehan