IMPLEMENTASI ALGORITMA NAIVE BAYES PADA ANALISIS SENTIMEN KEPUASAN PELANGGAN BERBASIS WEB PADA RICHEESE FACTORY MONGONSIDI
DOI:
https://doi.org/10.71282/jurmie.v3i10.2623Keywords:
Analisis Sentimen, Naïve Bayes Classifier, Google Review, Sistem Pendukung Keputusan, Richeese FactoryAbstract
Richeese Factory Mongonsidi merupakan salah satu bisnis kuliner yang aktif menerima umpan balik pelanggan melalui media digital seperti Google Review. Setiap harinya, volume data ulasan tekstual yang masuk terus bertambah, sehingga pihak manajemen menghadapi kesulitan untuk mengevaluasi kualitas pelayanan secara manual karena membutuhkan waktu lama dan rentan terhadap subjektivitas. Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) berbasis web yang mampu mengklasifikasikan ulasan pelanggan secara otomatis ke dalam kategori sentimen positif dan negatif. Metode yang diterapkan dalam pem-rosesan teks ini adalah algoritma Naive Bayes Classifier, sebuah metode klasifikasi berbasis Probabilitas yang efisien dalam menangani data tekstual berskala besar. Alur sistem diawali dengan penarikan data (scraping) ulasan mentah dari Google Review, dilanjutkan dengan tahap text Preprocessing yang meliputi Case Folding, filtering, Stopword Removal, dan Stemming guna membersihkan data teks dari de-rau (noise). Setelah teks bersih, algoritma Naive Bayes menghitung nilai Probabili-tas setiap kata untuk menentukan label sentimen akhir dokumen. Hasil analisis ini kemudian divisualisasikan ke dalam bentuk grafik Dashboard interaktif dan tabel rekomendasi strategi layanan bagi pihak manajemen eksekutif. Sistem pendukung keputusan ini diharapkan dapat membantu manajemen Richeese Factory Mon-gonsidi dalam mengidentifikasi keluhan pelanggan secara cepat, akurat, dan real-time guna meningkatkan kualitas pelayanan.
Downloads
References
Aditya, R., & Siregar, A. M. (2024). Penerapan Algoritma Naive Bayes Classifier untuk Analisis Sentimen Ulasan Pengguna Aplikasi Kuliner Berbasis Web. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 11(2), 245-254.
Fauzi, M. A., & Rahmawati, E. (2023). Pengantar Text Mining dan Analisis Sen-timen Teori dan Praktik. Pengadaan Buku Informatika.
Kusrini. (2024). Aplikasi Sistem Pendukung Keputusan Kontemporer. Yogyakarta: Andi Offset.
Pratama, A. R., & Sembiring, J. (2023). Analisis Sentimen Kualitas Pelayanan Restoran Cepat Saji pada Google Review Menggunakan Metode Naive Bayes. Jurnal Sains Komputer dan Informatika, 7(1), 112-121.
Hadiwibowo, S., et al. (2024). Analisis Tingkat Kepuasan Pengguna Aplikasi E-Commerce Berdasarkan Rating dan Ulasan Menggunakan Metode Naive Bayes. Jurnal Media Informatika Budidarma, 8(2), 310–318
Hasibuan, A., et al. (2024). Analisis Sentimen Kepuasan Konsumen pada Platform E-Commerce Menggunakan Algoritma Naive Bayes. JATI (Jurnal Maha-siswa Teknik Informatika), 8(1), 88–95.
Ramdhani, F., & Handayani, T. (2023). Analisis Sentimen Teks Tidak Terstruktur untuk Efisiensi Monitoring Manajemen. Jurnal Informatika dan Rekayasa Perangkat Lunak, 5(1), 77–84.
Setiawan, E., Budiman, A., & Utami, R. (2022). Ekstraksi Pola Informasi Ulasan Digital Konsumen untuk Parameter Evaluasi Manajemen. Jurnal Tekno Kompak, 16(2), 105–114.
Saputra, E., & Wijaya, A. (2025). Aksesibilitas Web-Based Data Mining untuk Prediksi Risiko Akademik. Jurnal Komputasi dan Informasi, 11(1), 12–19.
Simbolon, N., & Riza, M. (2024). Analisis Kepuasan Pengguna Aplikasi Akade-mik Menggunakan Algoritma Naive Bayes. PRINSIP (Portal Riset dan Ino-vasi Sistem Perangkat Lunak), 3(1), 15–23.
Putra, I. M. A. A. D., Sunarya, I. M. G., & Gunadi, I. G. A. (2024). Evaluasi Var-ian Algoritma Naïve Bayes pada Klasifikasi Data Statistik. Jurnal Ilmu Komputer Indonesia, 9(1), 22–30.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Andre Pratama Sembiring, Khairuddin Nasution, Zainuddin Nasution (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
