Bilah Samping Artikel

Telah diserahkan
Jul 6, 2024
Diterima
Oct 2, 2024
Diterbitkan
Nov 30, 2024
Download
PDF
Statistic
Read Counter : 9 Download : 5

Isi Artikel Utama

Abstrak

Kehadiran internet dari berbagai penyedia layanan menjadi semakin beragam, menuntut kualitas unggul untuk memenuhi kebutuhan pengguna. Salah satu penyedia layanan internet terkemuka dan terbesar di Indonesia yaitu Telkomsel, yang kini memiliki sub-brand bernama By.U. By.U resmi diperkenalkan pada 10 Oktober 2019 dan merupakan salah satu ISP (Internet Service Provider) pertama di Indonesia yang menawarkan pengalaman digital secara (E2E) End-To-End pada seluruh aspek kebutuhan telekomunikasi. Pengalaman digital (E2E) pada By.U memudahkan pengguna untuk memilih metode pengiriman kartu perdana hingga menentukan nomor telepon By.U, membeli paket data, dan menyelesaikan proses pembayaran. Menganalisis sentimen dapat mengidentifikasi representasi opini pengguna berdasarkan pengalaman pengguna By.U. Metode K-Nearest Neighbors yang akan digunakan dalam penelitian ini. Berdasarkan penelitian yang telah dilakukan, hasil akurasi menggunakan algoritma K-Nearest Neighbors sebesar 73 persen. Hasil pada topic modelling yang dilakukan menggunakan Latent Dirichlet Allocation diketahui tema yang dibahas pada topik 1 yaitu menggambarkan mengenai information data telekomunikasi, pada topik 2 mengenai pendaftaran sim card, topik 3 mencakup berbagai masalah yang berkaitan dengan paket internet, aplikasi, dan transaksi. Hasil analisis sentimen menunjukkan bahwa penelitian ini mengalami kesulitan dalam memprediksi sentimen, tidak ada prediksi yang akurat untuk kelas positif, netral dan negatif. Hal ini menunjukkan bahwa penelitian harus ditingkatkan dan dilatih dengan menggunakan sampel yang lebih besar untuk prediksi sentimen.

Kata Kunci

Aplikasi By.U Internet K-Nearest Neighbors Telkomsel Aplikasi By.U Internet K-Nearest Neighbors Telkomsel

Rincian Artikel

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.

Cara Mengutip
[1]
N. Alvionika, S. Faisal, R. Rahmat, dan A. F. N. Masruriyah, “Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN)”, Jurnal Algoritma, vol. 21, no. 2, hlm. 50–63, Nov 2024.
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)

References

  1. J. Iskandar, V. C. Mawardi, and ..., “Analisis Sosial Media Layanan Provider Internet Menggunakan Algoritma XGBOOST,” … Nas. CORIS 2022, 2022, [Online]. Available: https://corisindo.stikom-bali.ac.id/penelitian/index.php/semnas/article/view/11
  2. I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By.u,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1411, 2022, doi: 10.30865/mib.v6i3.4132.
  3. F. A. Anggari, “Analisis Kesiapan Dan Penerimaan Aplikasi All-Digital Provider BY.U Dengan Menggunakan Technology Readiness And Acceptance Model (TRAM),” Skripsi, no. 8.5.2017, pp. 2003–2005, 2022.
  4. Telkomsel, “Telkomsel Luncurkan by.U, Layanan Selular Prabayar Digital End-to-end Pertama di Indonesia,” https://www.telkomsel.com/about-us/news/telkomsel-luncurkan-byu-layanan-selular-prabayar-digital-end-end-pertama-di-indonesia, 2019.
  5. T. Ajeng, “6 Hal yang Bikin Kamu Wajib ‘Pindah’ ke by.U! Artikel ini telah tayang di Idntimes.com dengan judul ‘6 Hal yang Bikin Kamu Wajib “Pindah” ke by.U!,’” IDN Times, 2024. https://www.idntimes.com/tech/trend/tisa-ajeng/pindah-ke-byu-csc?page=all
  6. L. Utama, “by.U Raih 20 Juta Unduhan Aplikasi, Mayoritas Gen Z,” viva.ci.id, 2023. https://www.viva.co.id/amp/digital/digilife/1647082-by-u-raih-20-juta-unduhan-aplikasi-mayoritas-gen-z
  7. R. M. Candra and A. N. Rozana, “Klasifikasi Komentar Bullying pada Instagram Menggunakan Metode K-Nearest Neighbor,” vol. 5, no. 1, pp. 45–52, 2020.
  8. A. S. Neogi, K. A. Garg, R. K. Mishra, and Y. K. Dwivedi, “Sentiment analysis and classification of Indian farmers’ protest using twitter data,” Int. J. Inf. Manag. Data Insights, vol. 1, no. 2, p. 100019, 2021, doi: 10.1016/j.jjimei.2021.100019.
  9. B. H. Agtira, H. H. Handayani, and A. F. N. Masruriyah, “Perbandingan Algoritma NBC dan Decision Tree pada Sentimen Analisis Mengenai Vaksinasi Covid-19 Di Indonesia,” Remik, vol. 7, no. 1, pp. 704–712, 2023, doi: 10.33395/remik.v7i1.12151.
  10. L. Mamluatul Hikmah, N. Rahaningsih, and R. Danar Dana, “Penerapan Algoritma K-Nearest Neighbor Pada Twitter Untuk Analisis Sentimen Masyarakat Terhadap Lgbt Di Indonesia,” J. Mhs. Tek. Inform., vol. 8, no. 1, pp. 284–291, 2024, [Online]. Available: https://databoks.katadata.co.id/,
  11. H. Prasetyo and Nurapriani, “Jurnal KomtekInfo Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan,” vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
  12. A. Firyal, L. Ramadhina, and E. Sofian, “Perbandingan Metode K-Nearest Neighbor dan Pohon Keputusan dalam Analisis Sentimen Data Ulasan Aplikasi Pinjaman Online Berizin OJK Di Google Play,” vol. VII, pp. 115–124, 2024.
  13. H. Bryan, R. Intan, and H. Juwiantho, “Pemanfaatan Text Summarization Dengan Support Vector Machine Dan K-Nearest Neighbor Pada Analisis Sentimen Untuk Mempermudah Pengguna Membaca Review Game Steam,” J. Infra, vol. 10, no. 1, pp. 31–36, 2022.
  14. V. F. Rusdhi and I. Sari, “Identifikasi Topik Artikel Berita Menggunakan Topic Modelling Dengan Latent Dirichlet Allocation,” J. Ilm. Inform. Komput., vol. 27, no. 2, pp. 169–176, 2022, doi: 10.35760/ik.2022.v27i2.6829.
  15. R. C. Putri, “Analisis sentimen provider by. u dengan metode naïve bayes classifier dan k-nearest neighbor (KNN),” Repository.Uinjkt.Ac.Id, 2023, [Online]. Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/76502
  16. M. F. Asshiddiqi and K. M. Lhaksmana, “Perbandingan Metode Decision Tree dan Support Vector Machine untuk Analisis Sentimen pada Instagram Mengenai Kinerja PSSI,” vol. 7, no. D, pp. 2019–2020, 2020.
  17. C. M. Annur, “Jumlah Pengguna Instagram Indonesia Terbanyak ke-4 di Dunia,” Databoks.Katadata, 2023. https://databoks.katadata.co.id/datapublish/2023/05/04/jumlah-pengguna-instagram-indonesia-terbanyak-ke-4-di-dunia
  18. I. T. Julianto, “Analisis Sentimen Terhadap Sistem Informasi Akademik Institut Teknologi Garut,” J. Algoritm., vol. 19, no. 1, pp. 449–456, 2022, doi: 10.33364/algoritma/v.19-1.1112.
  19. A. Siregar, S. Faisal, T. Tukino, A. Puspabhuana, and M. Simarangkir, “Comparison Study Of Term Weighting Optimally With SVM In Sentiment Analysis,” 2019, doi: 10.4108/eai.18-7-2019.2288508.
  20. D. Remaldhi, D. Wahiddin, and Y. Cahyana, “Identifikasi Kesegaran Ikan Nila Berdasarkan Warna Insang Menggunakan Algoritma K-Nearest Neighbor (K-NN),” Sci. Student J. Information, Technol. Sci., vol. II, no. 1, pp. 197–202, 2021, [Online]. Available: http://journal.ubpkarawang.ac.id/mahasiswa/index.php/ssj/article/download/247/175
  21. F. Aryanto, A. Fauzi, A. Fitri Nur Masruriyah, A. Lia Hananto, and Darmansyah, “Sentiment Analysis Of Vaccination Using The K-Nearest Neighbor Algorithm,” Edutran Comput. Sci. Inf. Technol., vol. 1, no. 1, pp. 34–41, 2023, doi: 10.59805/ecsit.v1i1.6.
  22. Q. A. A’yuniyah and M. Reza, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru,” Indones. J. Inform. Res. Softw. Eng., vol. 3, no. 1, pp. 39–45, 2023, doi: 10.57152/ijirse.v3i1.484.
  23. T. A.M and A. Yaqin, “Perbandingan Algoritma Naïve Bayes, K-Nearest Neighbors dan Random Forest untuk Klasifikasi Sentimen Terhadap BPJS Kesehatan pada Media Twitter,” InComTech J. Telekomun. dan Komput., vol. 12, no. 1, p. 01, 2022, doi: 10.22441/incomtech.v12i1.13642.
  24. F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.
  25. E. Hasibuan and E. A. Heriyanto, “Analisis Sentimen Pada Ulasan Aplikasi Amazon Shopping Di Google Play Store Menggunakan Naive Bayes Classifier,” J. Tek. dan Sci., vol. 1, no. 3, pp. 13–24, 2022, doi: 10.56127/jts.v1i3.434.
  26. Y. Kustyaningsih, Y. Permana, P. Studi, S. Informasi, U. Trunojoyo, and J. Timur, “Penggunaan Latent Dirichlet Allocation ( LDA ) dan Support- Vector Machine ( SVM ) Untuk Menganalisis Sentimen Berdasarkan Aspek Dalam Ulasan Aplikasi EdLink The Use of Latent Dirichlet Allocation ( LDA ) and Support-Vector Machine ( SVM ) to Analyze Sent,” vol. 13, no. 1, pp. 127–136, 2024, doi: 10.34148/teknika.v13i1.746.
  27. A. F. N. Masruriyah, C. E. Sukmawati, and H. Y. Novita, “Pengelompokan Topik Cuitan Pengguna Twitter Terhadap Kuliah Kerja Nyata ( Kkn ) Di Indonesia Menggunakan Latent Dirichlet Allocation,” pp. 1128–1133, 2022.