Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet

Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet
复制标题

Penerapan Algoritma 朴素贝叶斯 Untuk 分析 Sentimen Penggunaan Aplikasi Jobstreet

DOI:
10.33633/tc.v21i3.6361
复制
发表时间:
2022
期刊:
Techno.Com
影响因子:
--
通讯作者:
Desta Sandya Prasvita
Desta Sandya Prasvita
中科院分区:
--
文献类型:
--
作者:
Bobby Kurniadi Widodo;Nurhamidah Matondang;Desta Sandya Prasvita

文献摘要

被引文献

相似文献

就业市场的增长是由10多名工人组成的低收入劳动力市场的增长,这些工人包括工人、农民、农民、工人和其他劳动力。这一应用程序的大量下载使其成为过去的一部分。在这类流行病中,许多打工者利用机器人提供的更多信息来帮助打工者获得就业机会,而就业街的应用则帮助他们获得了更多的就业机会。这一观点可能有助于评估和监督那些通过情感分析获得就业机会的人。这一研究的目的是用朴素贝叶斯方法对就业市场上的情绪进行分类。这一观点可以分为正反两种,最好用朴素贝叶斯算法来进行分类。我们的数据显示,计算精度为0.96;计算精度为0.98;计算召回率为0.94。
Aplikasi Jobstreet merupakan sebuah aplikasi lowongan pekerjaan yang sudah didownload oleh lebih dari 10 juta masyarakat yang menyediakan beberapa jenis pekerjaan seperti akuntansi, sumber daya manusia, pemasaran, komunikasi, pelayanan, dan lainnya. Dengan banyaknya masyarakat yang mendownload aplikasi ini maka masyarakat pasti memberikan ulasan-ulasan mereka terhadap aplikasi ini. Di masa pandemi seperti ini, banyak orang yang mencari pekerjaan menggunakan aplikasi android dimana informasinya lebih cepat dan mudah untuk mencari lowongan pekerjaan, oleh karena itu aplikasi Jobstreet membantu masyarakat dalam mencari lowongan pekerjaan di perusahaan yang mereka inginkan. Ulasan komentar opini masyarakat ini bisa dijadikan peluang untuk menggali keterangan tentang evaluasi dan penilaian atas pelayanan aplikasi jobstreet yang telah berjalan menggunakan analisis sentimen. Tujuan dari penelitian ini adalah melakukan klasifikasi sentimen terhadap ulasan pada aplikasi Jobstreet dengan metode Naïve Bayes. Dalam penelitian ini opini akan dibagi kedalam dua golongan sebagai positif dan negatif, kemudian diklasifikasikan dengan menggunakan algoritma Naïve Bayes. Hasil pengujian yang didapat menggunakan data uji memiliki nilai akurasi sebesar 0,96; nilai precision sebesar 0,98; nilai recall sebesar 0,94.