Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Nur Erlina, Novita
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN ULASAN KEIMIGRASIAN PADA GOOLE MAPS MENGGUNAKAN ALGORITMA NAIVE BAYES Nur Erlina, Novita; Trinata, Cakra; Anung Prabadhi, Isidorus
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13820

Abstract

Dalam era digital saat ini, opini publik yang disampaikan melalui platform daring seperti Google Maps menjadi salah satu indikator penting dalam mengevaluasi kualitas layanan publik, termasuk layanan keimigrasian. Ulasan pengguna yang tersebar secara bebas dapat merefleksikan tingkat kepuasan, kekecewaan, maupun harapan masyarakat terhadap institusi pemerintah. Oleh karena itu, diperlukan pendekatan yang sistematis dan otomatis untuk memahami sentimen dari ribuan ulasan tersebut. Salah satu pendekatan yang efektif dalam bidang pemrosesan bahasa alami (Natural Language Processing) adalah analisis sentimen, yaitu proses mengidentifikasi kecenderungan opini dalam sebuah teks — apakah bersifat positif, negatif, atau netral.. Dalam penelitian ini, metode Naïve Bayes diterapkan untuk menganalisis sentimen pada ulasan Google Review terkait Direktorat Jenderal Imigrasi. Algoritma ini dipilih karena kemampuannya dalam mengklasifikasikan data menggunakan pendekatan probabilistik dengan tingkat akurasi yang cukup tinggi. Penelitian ini dilakukan melalui beberapa tahapan, mulai dari pengumpulan data, pra-pemrosesan teks (tokenisasi, penghapusan stopwords, dan filtering), hingga pelatihan serta evaluasi model. Hasil evaluasi menunjukkan bahwa model Naïve Bayes yang digunakan mencapai akurasi sebesar 91,15%, yang membuktikan bahwa metode ini cukup efektif dalam mengelompokkan sentimen pengguna terhadap layanan keimigrasian.
Co-Authors Anung Prabadhi, Isidorus Trinata, Cakra