Abstract
Aplikasi M-Paspor merupakan aplikasi yang dibuat oleh keimigrasian yang berbasis online untuk menyelesaikan permasalahan antrian permohonan paspor yang panjang dan membutuhkan waktu yang lama pada kantor imigrasi di Indonesia. Knowledge Discovery in Databases (KDD) merupakan sebuah metode untuk mendapatkan pengetahuan yang berharga dari basis data yang terdiri dari tabel-tabel yang saling terkait atau memiliki relasi. Tujuan penelitian ini yaitu untuk mengklasifikasikan ulasan pengguna ke dalam kelas sentimen positif, netral, dan negatif menggunakan algoritma Naïve Bayes Classifier serta mengetahui hasil accuracy, precision, dan recall dari algoritma Naïve Bayes Classifier dalam menganalisis sentimen ulasan pengguna aplikasi M-Paspor. Penelitian ini diharapkan memberikan gambaran bagi stakeholder terkait pengembang M-Paspor untuk memahami persepsi pengguna terhadap aplikasi tersebut melalui klasifikasi ulasan menjadi positif, netral, dan negatif. Informasi ini diharapkan dapat menjadi panduan yang berguna dalam mengarahkan pengembangan aplikasi ke depan. Hasil yang signifikan menggunakan rasio 90:10 untuk data latih dan data uji dengan seleksi fitur TF-IDF menghasilkan akurasi tertinggi mencapai 80%, presisi sebesar 80%, dan recall sebesar 82%.
Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callSimilar Papers
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
