Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Widya Novita Al Afifah Irwanto
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN NEGATIVE PADA APLIKASI JOBSTREET MENGGUNAKAN HADOOP DISTRIBUTED FILE SYSTEM (HDFS) Basiroh, Basiroh; Widya Novita Al Afifah Irwanto
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 4 No. 4 (2025): November
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v4i4.6338

Abstract

Pertumbuhan pesat teknologi informasi telah memudahkan masyarakat dalam mengakses layanan perekrutan kerja melalui platform digital seperti JobStreet. Namun, tingginya interaksi pengguna juga memunculkan berbagai ulasan, termasuk sentimen negatif yang dapat memengaruhi citra perusahaan. Oleh karena itu, analisis sentimen menjadi penting untuk mengidentifikasi opini negatif secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen negatif pada ulasan pengguna aplikasi JobStreet dengan memanfaatkan Hadoop Distributed File System (HDFS) sebagai media penyimpanan data berskala besar, serta membandingkan kinerja metode Naive Bayes dan Support Vector Machine (SVM). Tahapan penelitian meliputi pengumpulan data ulasan pengguna, pra-pemrosesan teks (pembersihan, tokenisasi, stopword removal, dan stemming), pembobotan menggunakan TF-IDF, serta klasifikasi dengan metode Naive Bayes dan SVM. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma mampu mengklasifikasikan sentimen negatif dengan baik, namun SVM memberikan kinerja lebih unggul dibandingkan Naive Bayes. SVM memperoleh akurasi 86%, recall 0,84%, dan F1-score 0,85%, sedangkan Naive Bayes mencatat akurasi 80%, recall 0,76%, dan F1-score 0,79%. Hal ini menunjukkan bahwa pemilihan algoritma berpengaruh terhadap kualitas analisis sentimen
Co-Authors