Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Nur Apriliani, Nur
Program Studi Teknik Kimia, FTI,UPN “Veteran” Yogyakarta Jl. SWK 104 (Lingkar Utara), Condongcatur, Yogyakarta 55283
Computer Science & IT

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

Found 1 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1 
ANALISIS SENTIMEN REVIEW PENGGUNAAN TIKTOK MELALUI PENDEKATAN ALGORITMA NAÏVE BAYES Apriliani, Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8299

Abstract

Media sosial merupakan platform digital yang memungkinkan penggunanya berinteraksi dengan orang lain, berbagi konten seperti teks, gambar, video dan audio, serta terlibat dalam berbagai bentuk komunikasi online yang berbeda-beda, salah satu bentuk media sosial adalah TikTok. TikTok merupakan platform media sosial yang semakin populer yang memungkinkan pengguna berbagi video pendek dengan konten berbeda. Dengan pertumbuhan yang pesat tersebut, muncul permasalahan penting terkait pemahaman dan pengelolaan emosi pengguna terhadap konten di TikTok. Tujuan penelitian ini adalah melakukan analisis sentimen terhadap tinjauan penggunaan TikTok dengan menggunakan pendekatan algoritma Naive Bayes. Dalam penelitian ini, kami mengumpulkan data evaluasi dari pengguna TikTok, termasuk peringkat, komentar, dan opini terkait pengalaman pengguna di platform tersebut. Kami menggunakan algoritme Naive Bayes untuk mengklasifikasikan ulasan pengguna TikTok ke dalam dua kategori opini utama: positif dan negatif. Tahapan yang dilakukan meliputi pengolahan data, ekstraksi fitur dan pelatihan model Naive Bayes menggunakan data pelatihan. Hasil klasifikasi penggunaan metode algoritma Naïve Bayes dan ekstraksi fitur dengan TF-IDF menghasilkan nilai akurasi sebesar 80%, precision sebesar 79%, recall sebesar 74% dan F1-Score sebesar 75%.
Co-Authors Prihartono, Willy Suarna, Nana