APLIKASI PENGUKUR TINGKAT SENTIMEN PELANGGAN BERDASARKAN KOMPLAIN PELANGGAN PLN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
Abstract
PLN merupakan perusahaan milik negara yang mempunyai peran dalam menyediakan pelayanan kepada masyarakat mengenai listrik. Permasalahan yang sering terjadi mengenai listrik PLN adalah pemadaman listrik yang disebabkan oleh beberapa faktor seperti cuaca, kerusakan maupun karena penghematan. Masalah tersebut mengakibatkan kerugian pada lini bisnis, kesehatan, pendidikan dan arus lalu lintas. Berbagai kendala tersebut memberikan dampak kepada masyarakat sehingga menyebabkan masyarakat berkomentar baik secara langsung maupun melalui sosial media. Adanya komentar pada layanan PLN tersebut, dapat dijadikan masukan untuk PLN dalam memberikan layanan yang lebih baik lagi kepada masyarakat. Komentar tersebut menjadi sumber data dalam penelitian text mining untuk klasifikasi jenis komentar. Pengguna dapat memberikan opini yang baik maupun tidak baik. Dengan menggunakan teknik pengolahan data dalam text mining, penelitian ini memanfaatkan hal tersebut dengan menggunakan Algoritma KNN (K-Nearest Neighbor). Pada penelitian ini menggunakan dataset 100 komentar dan terdiri dari 3 kelas, yaitu positif, negatif, dan netral. Dari hasil hasil data latih dan data uji, didapatkan Algoritma KNN (K-Nearest Neighbor) mampu mengelompokkan komentar tersebut ke dalam kelas positif, negatif dan netral.
Full Text:
PDF (Bahasa Indonesia)References
Sani, R. R., Zeniarza, J., & Luthfiarta, A. (2016). Pengembangan Aplikasi Penentuan Tema Tugas Akhir Berdasarkan Data Abstrak Menggunakan Algoritma K-Nearest Neighbor. Seminar Nasional Multi Disiplin Ilmu, 103-111.
Sipayung, Evasaria M. dkk. (2016). Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier. Jurnal Sistem Informasi Vol. 8 No.1. ISSN : 2085-1588.
Hanggara, Surya. Dkk (2017). Aplikasi Web Untuk Analisis Sentimen Pada Opini Produk Dengan Metode Naive Bayes Classifier. Seminar Nasional Inovasi dan Aplikasi Teknologi di Industri. ITN Malang.
Mariana, Novita, Rara Sriartati Redjeki, Jeffri Alfa Razaq.2015. Penerapan Algoritma K-NN (Nearest Neighbor) untuk Deteksi Penyakit (Kanker Serviks). Dinamika Informatika. Vol 7 No 1. ISSN 2085-3343
Kurniawan, Denni, dan Ade Saputra. 2019. Penerapan K-Nearest Neighbour Dalam Penerimaan Peserta Didik Dengan Sistem Zonasi. Jurnal Sistem Informasi Bisnis VOl. 2 No. 9 ISSN: 2502-2377
Nanja, Muis., Purwanto. 2015. Metode K-Nearest Neighbour Berbasis Forward Selection untuk Prediksi Harga Komoditi Lada. Jurnal Pseudocode Vol. 2 No. 1 ISSN:2355-5920
Yustanti, Wiyli. 2012. Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah. Jurnal Matematika, Statistika dan Komputasi Vol.9 No.1 ISSN: 2614-8811
T, Asahar Johar, Delfi Yanosma, dan Kurnia Anggriani. 2016.Implementasi Metode K-Nearest Neighbor (KNN) dan Simple Additive Weighting (Saw) dalam Pengambilan Keputusan Seleksi Penerimaan Anggota Paskibraka. Jurnal Pseudocode Vol. 3 No. 2, ISSN:2355-5920
Melita, Ria, Victor Amrizal, Hendra Bayu Suseno, Taslimun Dirjam. Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Syarah Umdatil Ahkam). Jurnal Teknik Informatika Vol 11 No. 2, Oktober 2018
Ma’arif, Abdul Aziz. 2015. Penerapan Algoritma Tf-Idf Untuk Pencarian Karya Ilmiah. Jurnal. Jurusan Teknik Informatika.
Maulina, Dina, Dan Rofie Sagara. Klasifikasi Artikel Hoax Menggunakan Support Vector Machine Linear Dengan Pembobotan Term Frequency – Inverse Document Frequency.Jurnal Mantik Penusa. Volume 2 No. 1 Juni 2018
DOI: https://doi.org/10.35314/isi.v5i2.1467
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.