Melola Discovery

← Melola Discovery

Open access Journal SINTA 3

ANALISIS SENTIMEN KUALITAS LAYANAN GOOGLE MEET MENGGUNAKAN NAÏVE BAYES CLASSIFIERS DAN ASSOCIATION

SemanTIK: Teknik Informasi · Vol. 8 No. 1 (2022) · pp. 35–44

DOI
10.55679/semantik.v8i1.25120
ISSN
2502-8928, 2460-1446
Published
2022-06-29
Publisher
Informatics Engineering Department of Halu Oleo University
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Teknologi sangat berperan besar dalam masa pandemi COVID-19 dimana pemerintah mengeluarkan kebijakan pembatasan sosial dalam pengendalian penyebaran virus COVID-19. Pandemi mempengaruhi segala proses aktivitas normal sehingga masyarakat memerlukan digital video conference untuk menjalin komunikasi visual dalam kelompok besar yang ditandai dengan meningkatnya penggunaan aplikasi sejenis yaitu Google Meet. Analisis sentimen merupakan proses untuk mendapat informasi sentimen yang terkandung dalam sebuah kalimat opini. Sampel data yang digunakan adalah ulasan aplikasi Google Meet pada situs Google Play berdasarkan data ulasan dari tanggal 1-Januari-2021 sampai 25-Agustus-2021. Analisis sentimen dilakukan menggunakan metode Naïve Bayes Classifiers dan text Association. Didapat persentase sebesar 58,8% dan 41,2% dari sentimen positif dan negatif. Dengan menggunakan perbandingan 80:20 untuk data latih dan uji. Didapatkan hasil akurasi sebesar 85,65% untuk pengujian dengan Naïve Bayes dan 85,48% untuk hasil validasi model menggunakan 10-Fold Cross-Validation. Secara umum hasil dari text Association yang dihasilkan merupakan ekstraksi informasi kelas positif terkait meeting, video, problem, koneksi, suara, audio, kualitas, kamera, dan fitur. Sedangkan untuk kelas negatif menampilkan ekstraksi dari hal yang sering dikeluhkan terkait video, masalah, koneksi, audio, suara, update, kualitas, camera, dan fitur. Dengan penelitian tersebut sehingga dapat menjadi bahan acuan dalam upaya untuk menjaga dan meningkatkan kualitas aplikasi.Kata kunci; Analisis Sentimen, Kualitas Layanan, Pengklasifikasi Naïve Bayes, Teks Asosiasi

Keywords

Collaboration network of the authors

16 authors · 30 co-authorship links · 12 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Stikubank
  • Politeknik Negeri Samarinda
  • State University of Semarang
  • Muria Kudus University
  • Universitas Gadjah Mada
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Setyawan WibisonoUniversitas Stikubank1
Eko Nur WahyudiUniversitas Stikubank1
Wiwien HadikurniawatiUniversitas Stikubank1
Taufiq Dwi CahyonoState University of Semarang1
Syarifah IfahUniversitas Stikubank1
Rihartanto RihartantoPoliteknik Negeri Samarinda1
Didi Susilo Budi UtomoPoliteknik Negeri Samarinda1
Arief SusantoMuria Kudus University1
Wardatul KhafidhahPoliteknik Negeri Samarinda1
Salsa Ananda RachmawatiAffiliation unknown1
Jati Sasongko WibowoAffiliation unknown1
Mardi Siswo UtomoUniversitas Gadjah Mada1
Muhammad FirmansyahAffiliation unknown1
M Dhimas PamungkasUniversitas Stikubank1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/semantik/oai, first harvested 29 Oct 2026, last seen 1 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">ANALISIS SENTIMEN KUALITAS LAYANAN GOOGLE MEET MENGGUNAKAN NAÏVE BAYES CLASSIFIERS DAN ASSOCIATION</dc:title>
	<dc:creator>Khoirunnisa, Fina</dc:creator>
	<dc:creator>Februariyanti, Herny</dc:creator>
	<dc:subject xml:lang="en-US">Analisis Sentimen; Kualitas Layanan; Pengklasifikasi Naïve Bayes; Teks Asosiasi</dc:subject>
	<dc:description xml:lang="en-US">Teknologi sangat berperan besar dalam masa pandemi COVID-19 dimana pemerintah mengeluarkan kebijakan pembatasan sosial dalam pengendalian penyebaran virus COVID-19. Pandemi mempengaruhi segala proses aktivitas normal sehingga masyarakat memerlukan digital video conference untuk menjalin komunikasi visual dalam kelompok besar yang ditandai dengan meningkatnya penggunaan aplikasi sejenis yaitu Google Meet. Analisis sentimen merupakan proses untuk mendapat informasi sentimen yang terkandung dalam sebuah kalimat opini. Sampel data yang digunakan adalah ulasan aplikasi Google Meet pada situs Google Play berdasarkan data ulasan dari tanggal 1-Januari-2021 sampai 25-Agustus-2021. Analisis sentimen dilakukan menggunakan metode Naïve Bayes Classifiers dan text Association. Didapat persentase sebesar 58,8% dan 41,2% dari sentimen positif dan negatif. Dengan menggunakan perbandingan 80:20 untuk data latih dan uji. Didapatkan hasil akurasi sebesar 85,65% untuk pengujian dengan Naïve Bayes dan 85,48% untuk hasil validasi model menggunakan 10-Fold Cross-Validation. Secara umum hasil dari text Association yang dihasilkan merupakan ekstraksi informasi kelas positif terkait meeting, video, problem, koneksi, suara, audio, kualitas, kamera, dan fitur. Sedangkan untuk kelas negatif menampilkan ekstraksi dari hal yang sering dikeluhkan terkait video, masalah, koneksi, audio, suara, update, kualitas, camera, dan fitur. Dengan penelitian tersebut sehingga dapat menjadi bahan acuan dalam upaya untuk menjaga dan meningkatkan kualitas aplikasi.Kata kunci; Analisis Sentimen, Kualitas Layanan, Pengklasifikasi Naïve Bayes, Teks Asosiasi</dc:description>
	<dc:publisher xml:lang="en-US">Informatics Engineering Department of Halu Oleo University</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2022-06-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/semantik/article/view/25120</dc:identifier>
	<dc:identifier>10.55679/semantik.v8i1.25120</dc:identifier>
	<dc:source xml:lang="en-US">SemanTIK : Teknik Informasi; Vol 8, No 1 (2022): SemanTIK : Teknik Informasi; 35-44</dc:source>
	<dc:source>2502-8928</dc:source>
	<dc:source>2460-1446</dc:source>
	<dc:source>10.55679/semantik.v8i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/semantik/article/view/25120/pdf</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 semanTIK</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>