ANALISIS SENTIMEN NEGATIVE PADA APLIKASI JOBSTREET MENGGUNAKAN HADOOP DISTRIBUTED FILE SYSTEM (HDFS)
DOI:
https://doi.org/10.55123/storage.v4i4.6338Keywords:
Analisis Sentimen, JobStreet, HDFS, Naive Bayes, Support Vector Machine, TF-IDFAbstract
Pertumbuhan pesat teknologi informasi telah memudahkan masyarakat dalam mengakses layanan perekrutan kerja melalui platform digital seperti JobStreet. Namun, tingginya interaksi pengguna juga memunculkan berbagai ulasan, termasuk sentimen negatif yang dapat memengaruhi citra perusahaan. Oleh karena itu, analisis sentimen menjadi penting untuk mengidentifikasi opini negatif secara otomatis. Penelitian ini bertujuan untuk menganalisis sentimen negatif pada ulasan pengguna aplikasi JobStreet dengan memanfaatkan Hadoop Distributed File System (HDFS) sebagai media penyimpanan data berskala besar, serta membandingkan kinerja metode Naive Bayes dan Support Vector Machine (SVM). Tahapan penelitian meliputi pengumpulan data ulasan pengguna, pra-pemrosesan teks (pembersihan, tokenisasi, stopword removal, dan stemming), pembobotan menggunakan TF-IDF, serta klasifikasi dengan metode Naive Bayes dan SVM. Evaluasi kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua algoritma mampu mengklasifikasikan sentimen negatif dengan baik, namun SVM memberikan kinerja lebih unggul dibandingkan Naive Bayes. SVM memperoleh akurasi 86%, recall 0,84%, dan F1-score 0,85%, sedangkan Naive Bayes mencatat akurasi 80%, recall 0,76%, dan F1-score 0,79%. Hal ini menunjukkan bahwa pemilihan algoritma berpengaruh terhadap kualitas analisis sentimen
Downloads
References
Afrizal, S. et al. (2019) ‘Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap Kehadiran Mass Rapid Transit’, Jurnal Informatik, 15(3), pp. 157–168.
Apriani, R. and Gustian, D. (2019) ‘Analisis Sentimen Dengan Naïve Bayes Terhadap Komentar Aplikasi Tokopedia’, Jurnal Rekayasa Teknologi Nusa Putra, 6(1), pp. 54–62. Available at: https://doi.org/10.52005/rekayasa.v6i1.86.
Badri, F. (2018) ‘Implementasi Sentimen Analysis Pengolahan Kata Berbasis Algoritma Map Reduce Menggunakan Hadoop’, Systemic: Information System and Informatics Journal, 4(1), pp. 11–16. Available at: https://doi.org/10.29080/systemic.v4i1.337.
Basiroh, B. and Lestari, W. (2020) ‘Analysis of Plant Fragaria Xananassa Disease Diagnoses Using Production Rules Base on Expert System’, Jurnal Pilar Nusa Mandiri, 16(1), pp. 25–32. Available at: https://doi.org/10.33480/pilar.v16i1.1174.
Brawijaya, U. et al. (2017) ‘Analisis Sentimen Berbasis Aspek Untuk Pengguna Pln Mobile Pada Google Playstore Menggunakan Metode Support Vector Machine (Svm)’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(1), pp. 2548–964. Available at: http://j-ptiik.ub.ac.id.
Darwis, D., Pratiwi, E.S. and Pasaribu, A.F.O. (2020) ‘Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia’, Edutic - Scientific Journal of Informatics Education, 7(1), pp. 1–11. Available at: https://doi.org/10.21107/edutic.v7i1.8779.
Dzulkarnain, T., Ratnawati, D.E. and Rahayudi, B. (2024) ‘Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Penilaian Masyarakat Terhadap Pelayanan Rumah Sakit di Malang’, Jurnal Teknologi Informasi dan Ilmu Komputer, 11(5), pp. 993–1000. Available at: https://doi.org/10.25126/jtiik.2024117979.
Gunawan, B., Pratiwi, Sasty, H. and Pratama, Esyudha, E. (2023) ‘Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes’, Jurnal Edukasi dan Penelitian Informatika, 2(1), pp. 95–103.
Hidayat, R. et al. (2024) ‘Penerapan Naïve Bayes Classifier dalam Klasifikasi Sentimen Publik di Twitter terhadap Puan Maharani’, JUKI : Jurnal Komputer dan Informatika, 6(1), pp. 100–108. Available at: https://doi.org/10.53842/juki.v6i1.479.
Idris I, Mustofa Y and Salihi I (2023) ‘Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM)’, Jambura Journal of Electrical and Electronics Engineering, 5, pp. 32–35.
Mudya Yolanda, A. and Tri Mulya, R. (2024) ‘Implementasi Metode Support Vector Machine untuk Analisis Sentimen pada Ulasan Aplikasi Sayurbox di Google Play Store’, VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 6(2), pp. 76–83. Available at: https://doi.org/10.35580/variansiunm258.
Nomleni, P., Hariadi, M. and Purnama, I.K.E. (2015) ‘Sentiment Analysis Berbasis Big Data’, Seminar Nasional ke – 9: Rekayasa Teknologi Industri dan Informasi, pp. 142–149. Available at: https://journal.itny.ac.id/index.php/ReTII/article/view/75.
Putri Angraini Aziz et al. (2025) ‘Penerapan Hadoop untuk Analisis Sentimen Berbasis Big Data pada Ulasan Aplikasi Transportasi Online’, SATESI: Jurnal Sains Teknologi dan Sistem Informasi, 5(1), pp. 51–60. Available at: https://doi.org/10.54259/satesi.v5i1.4051.
Salsabila, S.M., Alim Murtopo, A. and Fadhilah, N. (2022) ‘Analisis Sentimen Pelanggan Tokopedia Menggunakan Metode Naïve Bayes Classifier’, Jurnal Minfo Polgan, 11(2), pp. 30–35. Available at: https://doi.org/10.33395/jmp.v11i2.11640.
Undamayanti, E. et al. (2022) ‘Analisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka’, Jurnal Sains Komputer & Informatika (J-SAKTI, 6(2), pp. 916–930.
Wardani, S.K. and Sari, Y.A. (2021) ‘Analisis Sentimen menggunakan Metode Naïve Bayes Classifier terhadap Review Produk Perawatan Kulit Wajah menggunakan Seleksi Fitur N-gram dan Document Frequency Thresholding’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(12), pp. 5582–5590.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Basiroh Basiroh, Widya Novita Al Afifah Irwanto
This work is licensed under a Creative Commons Attribution 4.0 International License.
