Perbandingan Algoritma Naive Bayes dan Support Vector Machine dalam Mengklasifikasikan Media Sosial untuk Mengamati Trend Fashion
Main Article Content
Abstract
Pada Usaha Mikro Kecil Menengah atau yang biasa dikenal UMKM melakukan kesalahan dalam melakukan stategi bisnisnya salah satunya di bidang fashion. Karena kelirunya dalam menyaring dan memilih platform media sosial yang tepat maupun dalam mengamati platform media sosial yang menjadi sasaran konsumen sehingga menjadi isu yang perlu diselesaikan. Universitas Bina Insan menjadi target utama dalam penelitian ini dimana peneliti mengangkat kaum milenial dan Gen Z sebagai alat pencarian informasi trend mode berbusana. Penelitian ini menggunakan dataset yang diperoleh dengan cara survei kuesioner tentang aplikasi media sosial. Adapun objek penelitian diteliti untuk media sosial adalah Instagram, Facebook, YouTube, Twitter, dan Tiktok, yang akan diukur oleh responden yaitu pengukuran penilaian skala likert. Penelitian ini mencari tingkat perbandingan metode Naive Bayes dan Support Vector Machine dengan hasil pengujian Confusion Matrik yang akan diolah menggunakan bahasa pemograman phyton. Metode Analisa yang digunakan dalam penelitian ini adalah Metode Cross Industry Standard Process for Data Mining (CRISP-DM). Kemudian teknik pembagian data yang digunakan adalah percentage split dengan 80%:20%. Di katagorikan untuk label/class “ya” ccluster positif dan “tidak untuk cluster negatif. Hasil penelitian ini mendapatkan persentase tertinggi yaitu mengikuti trend/ya sebesar 64,6% sedangkan yang tidak mengikuti trend sebesar 35,4% Receiver Operating Charateristics Curve (ROC) pada Support Vector Machine memiliki keakuratan yang sama dengan model Naïve Bayes, pada diagonal garis True Positive Rate mendapatkan nilai yang tinggi yaitu 1 .Kemudian untuk Area Under the Curve (AUC) memiliki nilai area kosong yang luas yang artinya pemodelan dihasilkan memiliki tingkat yang baik dalam pengujian Confusion matrik.
Article Details
This work is licensed under a Creative Commons Attribution 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini: 1. Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal. 2. Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama. 3. Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
JUSIM (Jurnal Sistem Informasi Musirawas) by jurnal.univbinainsan.ac.id/index.php/jusim is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
[2] D. Wilandini and P. Purwantoro, “Penerapan Algoritma Naïve Bayes dalam mengklasifikasikan Media Sosial untuk mengamati Trend Kuliner,” J. Teknol. Terpadu, vol. 8, no. 1, pp. 31–39, 2022, doi: 10.54914/jtt.v8i1.535.
[3] M. Musnaini, “Model Efektivitas Promosi Produk Lokal Agroindustri Menggunakan Platform Sosial Media,” J. Khazanah Intelekt., vol. 6, no. 3, pp. 1534–1544, 2022, doi: 10.37250/khazanah.v6i3.180.
[4] S. M. Habib, E. Haerani, S. K. Gusti, and S. Ramadhani, “Klasifikasi Berita Menggunakan Metode Naïve Bayes Classifier,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 2, pp. 248–258, 2022, doi: 10.32672/jnkti.v5i2.4191.
[5] Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.
[6] B. I. Nugroho and Z. Arif, “Tinjauan Pustaka Sistematis : Penerapan Data Mining Metode Klasifikasi Untuk Menganalisa Penyalahgunaan Sosial Media,” vol. 3, no. 2, pp. 46–51, 2022.
[7] R. R. Waliyansyah and C. Fitriyah, “Perbandingan Akurasi Klasifikasi Citra Kayu Jati Menggunakan Metode Naive Bayes dan k-Nearest Neighbor (k-NN),” J. Edukasi dan Penelit. Inform., vol. 5, no. 2, p. 157, 2019, doi: 10.26418/jp.v5i2.32473.
[8] A. Karim, F. Nurhadi, I. K. O. Setiawan, I. A. Rizky, and R. Br. Manurung, “Pengaruh Normalisasi Data pada Klasifikasi Harga Ponsel Berdasarkan Spesifikasi Menggunakan Klasifikasi Naive Bayes dan Multinomial Logistic Regression,” J. Rekayasa Elektro Sriwij., vol. 4, no. 1, pp. 8–16, 2023, doi: 10.36706/jres.v4i1.59.
[9] M. P. Dwi Cahyo, Widodo, and B. Prasetya Adhi, “Kinerja Algoritma Support Vector Machine dalam MenentukanKebenaran Informasi Banjir di Twitter,” PINTER J. Pendidik. Tek. Inform. dan Komput., vol. 3, no. 2, pp. 116–121, 2019, doi: 10.21009/pinter.3.2.5.
[10] A. Z. Praghakusma and N. Charibaldi, “Komparasi Fungsi Kernel Metode Support Vector Machine untuk Analisis Sentimen Instagram dan Twitter (Studi Kasus : Komisi Pemberantasan Korupsi),” JSTIE (Jurnal Sarj. Tek. Inform., vol. 9, no. 2, p. 88, 2021, doi: 10.12928/jstie.v9i2.20181.
[11] M. A. Haq, W. Purnomo, and N. Y. Setiawan, “Analisis Clustering Topik Survey menggunakan Algoritme K-Means ( Studi Kasus : Kudata ),” vol. 7, no. 7, pp. 3498–3506, 2023.
[12] R. Gelar Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 5, no. 1, pp. 55–60, 2023, doi: 10.47233/jteksis.v5i1.750.
[13] A. History, S. Sort, and B. Sort, “Jurnal Ilmiah Sain dan Teknologi ANALISIS PERBANDINGAN KECEPATAN ALGORITMA SELECTION SORT DAN BUBBLE SORT Nanang Mahrozi , Muhammad Faisal Magister Informatika , Universitas Islam Negeri Maulana Malik Ibrahim , Malang , Indonesia Alamat e-mail : nanang ma,” vol. 1, pp. 89–98, 2023.
[14] Y. Sain, A. Andriani, and N. Nurhidayah, “Pelatihan Dasar Menganalisis Data dengan Mengunakan Google Colab di SMA Muhammadiyah Kendari Basic Training on Analyzing Data Using Google Colab at Muhammadiyah Kendari High School,” Kreat. J. Pengabdi. Masy. Nusant., vol. 3, no. 1, pp. 1–8, 2023.
[15] D. Firmansyah and Dede, “Teknik Pengambilan Sampel Umum dalam Metodologi Penelitian: Literature Review,” J. Ilm. Pendidik. Holistik, vol. 1, no. 2, pp. 85–114, 2022, doi: 10.55927/jiph.v1i2.937.
[16] A. Rahmawati, D. Novita, and I. Pradesan, “Perancangan Kuesioner Analisis Penerimaan E-Tax Menggunakan Technology Acceptance Model (TAM),” MDP Student Conf., pp. 512–517, 2022.
[17] A. A. Mekarisce, “Teknik Pemeriksaan Keabsahan Data pada Penelitian Kualitatif di Bidang Kesehatan Masyarakat,” J. Ilm. Kesehat. Masy. Media Komun. Komunitas Kesehat. Masy., vol. 12, no. 3, pp. 145–151, 2020, doi: 10.52022/jikm.v12i3.102.
[18] I. Budiman, “28. 29. 1,” Data Clust. Menggunakan Metodol. Cris. Untuk Pengenalan Pola Proporsi Pelaks. Tridharma, pp. 1–56, 2012.
[19] A. G. Prawiyogi, T. L. Sadiah, A. Purwanugraha, and P. N. Elisa, “Penggunaan Media Big Book untuk Menumbuhkan Minat Membaca di Sekolah Dasar,” J. Basicedu, vol. 5, no. 1, pp. 446–452, 2021, doi: 10.31004/basicedu.v5i1.787.
[20] I. B. G. Pujaastwa, “Teknik wawancara dan observasi untuk pengumpulan bahan informasi,” pp. 1–11, 2022.
[21] A. Alwasi’a, “Analisis Sentimen Pada Review Aplikasi Berita Online Menggunakan Metode Maximum Entropy (Studi Kasus: Review Detikcom pada Google Play 2019),” Skripsi, 2020.
[22] WISTI ARISTIKA and WIRA JAYA HARTONO, “Penerapan Clustering K-Means Untuk Menentukan PengaruhMedia Sosial Facebook Terhadap Usaha Mikro, Kecil DanMenengah (Umkm) Di Kecamatan Pekanbaru Kota,” J. Ilmu Komput. dan Bisnis, vol. 11, no. 1, pp. 2389–2395, 2020.
[23] T. Informatika, F. Teknik, and K. Unsiq, “Implementasi Algoritma Naïve Bayes Pada Aplikasi Wonosobo,” vol. 3, no. 2, pp. 301–310, 2022.