Keywords
Ulasan Pelanggan
Barbershop
Naive Bayes Classifier
Klasifikasi
How to Cite
Abstract
Perkembangan teknologi digital menjadikan ulasan pelanggan sebagai salah satu aspek penting dalam membentuk citra sebuah bisnis, seperti halnya barbershop. Penelitian ini bertujuan untuk melakukan klasifikasi sentimen pelanggan menjadi kategori positif dan negatif dengan menggunakan algoritma Naive Bayes Classifier. Metodologi yang digunakan bersifat kuantitatif dengan tahapan pengambilan data ulasan dari Google review, pra-pemrosesan teks, pelabelan data, pelatihan model, dan evaluasi hasil dengan mengukur akurasi, presisi, recall, serta F1-score. Pendekatan yang digunakan terbukti dapat dijadikan dasar dalam menyusun strategi peningkatan pelayanan dan kenyamanan pelanggan dalam jangka panjang.
References
[1] Abdillah Fudholi, L., Rahaningsih, N., & Danar Dana, R. (2024). Sentimen Analisis Perilaku Penggemar Coldplay Di Media Sosial Twitter Menggunakan Metode Naive Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 8(3), 4150–4159. https://doi.org/10.36040/jati.v8i3.9827
[2] Parasati, W., Abdurrachman Bachtiar, F., & Setiawan, N. Y. (2020). Analisis Sentimen Berbasis Aspek pada Ulasan Pelanggan Restoran Bakso President Malang dengan Metode Naïve Bayes Classifier. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(4), 1–10. https://j-ptiik.ub.ac.id/index.php/j- ptiik/article/view/7134
[3] Prasetyo, V. R., Ryanda, I. A., Prima, D. A., Kalirungkut, J. R., Rungkut, K., Rungkut, K., Surabaya, K., & Timur, J. (2023). Analisis Sentimen Dan Kategorisasi Review Pelanggan Pada Cafe Kopi Paste Dengan Metode Naive Bayes Dan K- Nearest Neighbor Sentiment Analysis and Categorization of Customer Reviews on Kopi Paste Cafe Using Naive Bayes and K-Nearest Neighbor Methods. Jurnal Ilmiah NERO, 8(1), 2023.
[4] Rahanto, F. F., & Kharisudin, I. (2021). Analisis Sentimen Data Ulasan Menggunakan Metode Naive Bayes Studi Kasus The Wujil Resort & Conventions Pada Situs Tripadvisor. UNNES Journal of Mathematics, 10(1), 55–62.
[5] Wijaya, D. S., Sanjaya, A., & Utomo, W. C. (2023). Analisis Sentimen Masyarakat Tentang Naiknya Harga BBM Dengan Metode Fasttext dan Naïve Bayes. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 7(1), 27–35.
[6] Hasan, F. N., & Dwijayanti, M. (2021). Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier. 4(2), 52–58.
[7] Saninah, A., Prihartono, W., Rohmat, C. L., & Cirebon, K. (2025). ANALISIS SENTIMEN PENGGUNA TERHADAP APLIKASI DUOLINGO DENGAN NAÏVE BAYES CLASSIFIER. JITET, 13(1).
[8] Hizham, F. A., Murni, C. K., & Qori’atunnadyah, M. (2024). Uji Klasifikasi Algoritma Naive Bayes Classification dalam Analisis Sentimen Ulasan Puncak B29 Lumajang. Progresif: Jurnal Ilmiah Komputer, 20(1), 361.
https://doi.org/10.35889/progresif.v20i1.1618
[9] Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi, S. (2020). Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine. CESS (Journal of Computer Engineering, System and Science), 5(2), 293. https://doi.org/10.24114/cess.v5i2.18186
[10] Devita, R. N., Herwanto, H. W., & Wibawa, A. P. (2018). Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(4), 427–434. https://doi.org/10.25126/jtiik.201854773
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Kandhia Winggar Mahawuni, Ardi Sanjaya, Ahmad Bagus Setiawan