Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Emerging Statistics and Data Science Journal
Luthfiatun Nisa, Husna
Unknown Affiliation
Computer Science & IT Mathematics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Terhadap Komentar Aplikasi Allstats BPS Dengan Klasifikasi Naïve Bayes: Analisis Sentimen Terhadap Komentar Aplikasi Allstats BPS Dengan Klasifikasi Naïve Bayes Luthfiatun Nisa, Husna; Muhammad Hasan Sidiq Kurniawan
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.art24

Abstract

Peningkatan volume data dan pemaanfaatannya untuk berbagai macam kebutuhan menuntut para penyedia data dan informasi memberikan data yang akurat dan informasi yang kredibel. Seiring dengan hal tersebut, kemudahan akses pada data dan informasi juga sangat dibutuhkan. Salah satu layanan yang memberikan kemudahan tersebut adalah layanan dalam bentuk digital. Badan Pusat Statistik sebagai lembaga pemerintah non kementerian yang menyediakan data dan informasi statistik Indonesia telah memberikan kemudahan bagi pengguna data dan informasi statistik untuk mengakses berbagai macam produk BPS melalui sebuah aplikasi bernama Allstats BPS. Aplikasi tersebut telah diunduh lebih dari 100 ribu pengguna, mendapat penilaian 4.3 dari 5 bintang, serta mendapat berbagai macam ulasan positif maupun negatif. Penelitian ini ditujukan untuk menganalisis sentimen komentar pada aplikasi tersebut dengan metode klasifikasi Naïve Bayes. Hasil penelitian menunjukkan bahwa tingkat akurasi dari klasifikasi menggunakan Naïve Baye Classifier baik, yaitu sebesar 86.83%. Komentar aplikasi Allstat BPS lebih banyak mengandung sentimen positif, dimana kata-kata yang sering ditulis pada komentar merupakan kata apresiasi terhadap aplikasi dan data yang disediakan di aplikasi. Sementara itu, komentar dengan sentimen negatif lebih banyak mengandung kata-kata yang menunjukkan sesuatu yang tidak dapat dilakukan oleh pengguna aplikasi dalam menggunakan aplikasi.
Co-Authors Muhammad Hasan Sidiq Kurniawan