Claim Missing Document
Check
Articles

Found 7 Documents
Search

Penggunaan Naïve Bayes Classifier dalam Analisis Sentimen Ulasan Aplikasi McDonald's: Perspektif Pengguna di Indonesia Kurniawan, Salsha Dara Shinta; Fauzy, Akhmad
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 3 (2024): Juli 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i3.7765

Abstract

The McDonald's mobile app has become popular among users, who often review their experiences through various review platforms. However, the sheer number of reviews suggests that the app's performance is still not satisfactory. This research aims to analyze public sentiment towards McDonald's app reviews using the Naïve Bayes Classifier algorithm. This algorithm was chosen because of its ability to classify text based on probability and its wide use in sentiment analysis. The research process began with the collection of review data totaling 4.996. Of these, 1.575 data showed neutral sentiment, while 2.137 data revealed positive sentiment, and 1.104 data showed negative sentiment towards the app. However, for the purposes of analysis using the Naïve Bayes algorithm, the focus is only on data that has positive and negative sentiment labels. Thus, the total amount of data used is 3.241 data, consisting of 2.137 positive data and 1.104 negative data. Followed by text pre-processing which includes cleaning, normalization, stopwords, stemming, tokenizing. The dataset is then divided into training data (80%) and testing data (20%). Naïve Bayes Classifier algorithm is used to classify the reviews into positive, negative, and neutral categories ignored. The results show that this model has an 90% accuracy rate in classifying sentiment. This analysis is necessary for the company's evaluation in order to know the public sentiment regarding the McDonald's app. The conclusion of this study shows that although the Naïve Bayes Classifier algorithm is quite effective in the sentiment classification of McDonald's app reviews, it is not enough to classify the sentiment of the McDonald's app.
Penggunaan Naïve Bayes Classifier dalam Analisis Sentimen Ulasan Aplikasi McDonald's: Perspektif Pengguna di Indonesia Kurniawan, Salsha Dara Shinta; Fauzy, Akhmad
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 8, No 3 (2024): Juli 2024
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v8i3.7765

Abstract

The McDonald's mobile app has become popular among users, who often review their experiences through various review platforms. However, the sheer number of reviews suggests that the app's performance is still not satisfactory. This research aims to analyze public sentiment towards McDonald's app reviews using the Naïve Bayes Classifier algorithm. This algorithm was chosen because of its ability to classify text based on probability and its wide use in sentiment analysis. The research process began with the collection of review data totaling 4.996. Of these, 1.575 data showed neutral sentiment, while 2.137 data revealed positive sentiment, and 1.104 data showed negative sentiment towards the app. However, for the purposes of analysis using the Naïve Bayes algorithm, the focus is only on data that has positive and negative sentiment labels. Thus, the total amount of data used is 3.241 data, consisting of 2.137 positive data and 1.104 negative data. Followed by text pre-processing which includes cleaning, normalization, stopwords, stemming, tokenizing. The dataset is then divided into training data (80%) and testing data (20%). Naïve Bayes Classifier algorithm is used to classify the reviews into positive, negative, and neutral categories ignored. The results show that this model has an 90% accuracy rate in classifying sentiment. This analysis is necessary for the company's evaluation in order to know the public sentiment regarding the McDonald's app. The conclusion of this study shows that although the Naïve Bayes Classifier algorithm is quite effective in the sentiment classification of McDonald's app reviews, it is not enough to classify the sentiment of the McDonald's app.
Analisis Double Exponential Smoothing pada Indeks Pembangunan Manusia di Kabupaten Banyumas Alfa Yuliana; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 1 No. 1 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.1.art3

Abstract

Indeks Pembangunan Manusia (IPM) adalah tolak ukur keberhasilan pembangunan manusia (penduduk) di suatu wilayah. Semakin tinggi nilai IPM pada suatu wilayah menunjukkan wilayah tersebut tingkat pencapaian pembangunan manusia semakin baik. Peramalan (forecasting) adalah suatu cara,untuk memperkirakan kondisi di masa depan. Tujuan penelitian ini, untuk mengetahui prediksi IPM Kabupaten Banyumas untuk 5 periode (tahun) kedepan dari tahun 2022 hingga tahun 2026 serta tingkat kesalahan peramalannya dengan menggunakan MAPE. Berdasarkan pola data IPM Kabupaten Banyumas yang mengalami peningkatan setiap periode atau tahunnya maka disimpulkan data memiliki kecenderungan trend naik, maka dilakukan penelitian peramalan IPM Kabupaten Banyumas menggunakan metode Double Exponential Smoothing (DES) dua parameter Holt. Didapatkan hasil peramalan pada indeks pembangunan manusia menggunakan metode ini mengalami peningkatan secara signifikan setiap tahunnya. Didapatkan juga nilai parameter pemulusan level α sebesar 0.9619782 dan parameter pemulusan trend β sebesar 0 yang optimum serta didapatkan nilai ukuran kesalahan dengan Mean Square Error (MSE) sebesar 0.08349977 dan dengan Mean Absolute Percentage Error (MAPE) sebesar 0.2875306% artinya hasil peramalan dengan metode DES yang telah dilakukanini sangat baik menurut kriteria MAPE.
Pendekatan Rantai Markov Waktu Diskrit dalam Memprediksi Penurunan dan Kenaikan Jumlah Pelanggan Air Minum Baru PDAM Kota Surakarta: Pendekatan Rantai Markov Waktu Diskrit Akhdan, Ariq; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 1 No. 2 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.2.art31

Abstract

PDAM Kota Surakarta adalah salah satu bentuk Badan Usaha Milik Daerah, atau BUMD. Salah satu hal yang dapat menjadi indikator keberlangsungan PDAM sebagai perusahaan yaitu jumlah pelanggan air minum baru per bulannya. Jumlah pelanggan air minum baru dapat mengalami penurunan atau kenaikan. Pencarian nilai peluang terjadinya penurunan dan kenaikan akan berguna dalam pertimbangan pengambilan keputusan dalam pengembangan usaha. Makalah ini memiliki tujuan untuk mencari nilai peluang terjadinya penurunan dan kenaikan berdasarkan kondisi saat ini. Data yang digunakan adalah data Jumlah Pelanggan Air Minum Baru PDAM Kota Surakarta pada bulan Januari 2019 hingga Desember 2021. Data yang digunakan dihitung jumlah penurunan dan kenaikan pada bulan tertentu berdasarkan kondisi bulan lau supaya dapat membentuk rantai markov waktu diskrit. Berdasarkan rantai markov waktu diskrit yang terbentuk, membuat matriks probabilitas transisi 1 langkah, matriks probabilitas transisi n langkah, dan matriks transisi steady state. Didapatkan untuk matriks probabilitas transisi 1 langkah, peluang terjadinya penurunan dan kenaikan apabila terjadi penurunan pada bulan sebelumnya masing-masing sebesar 0.3571 dan 0.6429, sedangkan peluang terjadinya penurunan dan kenaikan apabila terjadi kenaikan pada bulan sebelumnya masing-masing sebesar 0.45 dan 0.55. Untuk matriks transisi steady state, peluang terjadinya penurunan dan kenaikan dalam jangka waktu panjang masing-masing sebesar 0.4188 dan 0.5882.
Perbandingan Metode Peramalan Double Exponential Smoothing with Damped Parameter dan Autoregressive Integrated Moving Average (Studi Kasus: Data Volume Penjualan Bunga Krisan di Pasar Bunga Rawa Belong DKI Jakarta Tahun 2018-2022): Perbandingan Metode Peramalan Double Exponential Smoothing with Damped Parameter dan Autoregressive Integrated Moving Average Maulidiyah, Wildatul; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 1 No. 3 (2023): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol1.iss.3.art43

Abstract

Florikultura merupakan jenis tanaman hortikultura yang berasal dari tanaman hias dengan berbagai jenis tanaman hias yakni salah satunya bunga krisan. Tingginya permintaan tanaman hias pada bunga krisan tentunya akan memiliki pengaruh besar terhadap volume penjualan sehingga omzet penjualan akan meningkat. Penelitian ini bertujuan untuk memprediksi volume penjualan dari bunga krisan di Pasar Bunga Rawa Belong selama 12 periode ke depan dengan menggunakan metode terbaik. Manfaat penelitian ini ialah dapat dijadikan sebagai gambaran mengenai penjualan bunga krisan Cipanas di Pasar Rawa Belong pada 12 bulan kedepan sehingga dapat dijadikan referensi untuk mencari tindakan dalam menangani naik turunnya volume penjualan bunga krisan di Pasar Bunga Rawa Belong DKI Jakarta. Data yang digunakan berupa data sekunder yang berasal dari UPT Pasar Bunga Rawa Belong DKI Jakarta Dimana data ini memiliki satuan ikat dari bunga krisan Cipanas. Penelitian ini menggunakan analisis forecasting terbaik dengan melakukan perbandingan antara metode Double Exponential Smoothing with Damped Parameter dan Autoregressive Integrated Moving Average. Berdasarkan penelitian didapatkan metode peramalan untuk melakukan peramalan yakni dengan menggunakan metode Autoregressive Integrated Moving Average dengan model terbaik ARIMA(1,1,0) yang memiliki nilai ukuran kesalahan sebesar 22.21544. Dari hasil forecasting mengenai volume penjualan berkisar sebanyak 1749-1774 ikat bunga yang mengalami fluktuatif pada setiap bulannya
Pengelompokan Daerah Rawan Bencana Tanah Longsor di Provinsi Daerah Istimewa Yogyakarta Menggunakan Metode K-Means Clustering: Pengelompokan Daerah Rawan Bencana Tanah Longsor di Provinsi Daerah Istimewa Yogyakarta Menggunakan Metode K-Means Clustering Kartika Widyawati, Dwi; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 2 No. 2 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.2.art14

Abstract

Tanah longsor sering dipicu oleh adanya curah hujan yang tinggi, lereng yang curam, tanah yang kurang padat, erosi, berkurangnya vegetasi dan getaran yang menyebabkan jatuhnya bebatuan atau potongan tanah yang luas sehingga mengakibatkan kerusakan bangunan rumah, talud (sungai kecil), jalan, fasilitas umum, dan lain-lain. Metode yang digunakan pada penelitian ini adalah K-Means Clustering untuk mengelompokkan dan memetakan daerah rawan bencana tanah longsor di Provinsi Daerah Istimewa Yogyakarta. Berdasarkan hasil analisis, terbetuk 3 cluster. Pada cluster pertama terdapat 13 kecamatan dengan indikator daerah rawan bencana tanah longsor sedang, cluster kedua terdapat 5 kecamatan dengan indikator daerah rawan bencana tanah longsor tinggi, dan cluster ketiga terdapat 60 kecamatan dengan indikator daerah rawan bencana tanah longsor rendah.
Analisis Kepuasan Pengunjung Terhadap Pelayanan Statistik Terpadu dengan Metode Importance Performance Analysis (IPA) di BPS RI: Analisis Kepuasan Pengunjung Terhadap Pelayanan Statistik Terpadu dengan Metode Importance Performance Analysis (IPA) di BPS RI Hadha Akbar, Mochammad Robby; Fauzy, Akhmad
Emerging Statistics and Data Science Journal Vol. 2 No. 3 (2024): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol2.iss.3.art27

Abstract

Pelayanan Statistik Terpadu (PST) merupakan layanan perpustakaan, konsultasi data, rekomendasi kegiatan statistik, dan penjualan publikasi/data mikro/peta wilayah kerja statistik.  Kepuasan pelanggan adalah manfaat produk yang didapatkan sesuai dengan harapan yang dimiliki seorang pelanggan. Penelitian ini bertujuan untuk mengetahui persentase, jumlah pengunjung PST menurut jenis kelamin dan pekerjaan dengan metode analisis deskriptif, untuk mengetahui atribut Pelayanan Statistik Terpadu yang harus diperbaiki dengan metode Importance Performance Analysis (IPA) dan untuk mengetahui tingkat kepuasan konsumen terhadap PST menggunakan Indeks Kepuasan Konsumen. Data yang digunakan yaitu data sekunder dari Perpustakaan BPS RI. Berdasarkan persentase jumlah pengunjung terdapat terdapat 61,67% atau 37 pengunjung berjenis kelamin perempuan dan 38,33% atau sebanyak 23 pengunjung laki-laki, sedangkan berdasarkan jenis pekerjaan, pengunjung didominasi oleh pelajar/mahasiswa, hal tersebut memberikan indikasi bahwa data BPS banyak digunakan untuk menunjang dunia pendidikan. Berdasarkan hasil Importance Performance Analysis disimpulkan bahwa atribut yang menjadi prioritas utama untuk ditingkatkan kinerjanya yaitu atribut yang berada pada kuadran A, atribut tersebut yaitu kesesuaian biaya pelayanan serta ketersediaan sarana dan prasarana. Atribut yang menjadi prioritas kedua untuk dilakukan adanya perbaikan berada pada kuadran C, atribut tersebut yaitu perilaku petugas. Sedangkan atribut yang sudah baik sehingga perlu dipertahankan kinerjanya yaitu berada pada kuadran B, atribut tersebut yaitu kesesuaian produk pelayanan, waktu penyelesaian pelayanan, dan kompetensi petugas pelayanan. Atribut yang dianggap berlebihan berada pada kuadran D, atribut tersebut yaitu respon, kesesuaian prosedur, dan kesesuaian persyaratan. Melalui perhitungan Indeks Kepuasan Konsumen, diperoleh nilai IKK sebesar 94,07% yang menunjukkan bahwa pengunjung Pelayanan Statistik Terpadu Badan Pusat Statistik Republik Indonesia “sangat puas”.