Penerapan Algoritma Naïve Bayes dalam mengklasifikasikan Media Sosial untuk mengamati Trend Kuliner

Penulis

  • Destaria Wilandini Universitas Singaperbangsa Karawang
  • Purwantoro Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.54914/jtt.v8i1.535

Kata Kunci:

Algoritma Naive Bayes, Data Mining, Media Sosial, Metode Klasifikasi, Trend

Abstrak

Pengaruh internet dan media sosial mengakibatkan percepatan laju trend bisnis berkembang pesat, media sosial berperan sebagai sarana informasi dan gudang informasi dalam mengamati trend yang muncul. Dalam penelitian ini, algoritma Naïve Bayes digunakan untuk menganalisa dan memprediksi aplikasi media sosial dengan mengklasifikasikan class-class pada data untuk melihat aplikasi yang paling digemari masyarakat dalam mengamati sebuah trend kuliner. Trend bisnis kuliner pilih sebagai subjek yang diteliti dengan objek penelitian aplikasi media sosial. Media sosial diteliti untuk menghasilkan rekomendasi aplikasi media sosial yang cocok untuk digunakan dalam media pemasaran dengan berdasarkan sasaran pasarnya, dataset yang digunakan sebanyak 101 data dengan split data 80%:20% dan penggunaan tools rapidminer. Hasil penelitian menyatakan bahwa penggunaan aplikasi Tiktok paling disarankan dan setelahnya Instagram, Twitter, Youtube dan terakhir Facebook. Penelitian ini dilakukan untuk para UMKM sebagai sarana rekomendasi dalam menentukan aplikasi media sosial yang cocok dalam melakukan bisnis strategi pemasaran. Berdasarkan hasil penelitian ini, maka percobaan penelitian dengan menggunakan metode dan algoritma lainnya dapat diterapkan dalam penelitian lainnya untuk menjadi pembanding dengan hasil penelitian saat ini.

Unduhan

Data unduhan belum tersedia.

Referensi

Y. Ma et al., "Knowledge Enhanced Neural Fashion Trend Forecasting," Proceedings of the 2020 International Conference on Multimedia Retrieval, 2020.

M. A. I. Gazi, "E-Marketing Practice In Bangladesh: An Empirical Study On Trend Of Use And Expansion In Business," Can. J. Bus. Inf. Stud, Vol. 2, No. 1, pp. 12-23, 2020.

D. P. Utomo, and Mesran, "Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung," Jurnal Media Informatika Budidarma, Vol. 4, No. 2 pp. 437-444, 2020.

D. S. Puspitarini, and R. Nuraeni. "Pemanfaatan Media Sosial Sebagai Media Promosi," Jurnal Common, Vol. 3, No. 1, pp. 71-80, 2019.

C. B. Saputra, A. Muzakir, and D. Udariansyah, "Analisis Sentimen Masyarakat Terhadap# 2019gantipresiden Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier," Bina Darma Conference on Computer Science (BDCCS), Vol. 1, No. 2, 2019.

D. Alita, et al. "Penerapan Naïve Bayes Classifier untuk pendukung Keputusan Penerima Beasiswa." Jurnal Data Mining dan Sistem Informasi, Vol. 2, No. 1, pp. 17-23, 2021.

R. Wati, "Penerapan Algoritma Naive Bayes Dan Particle Swarm Optimization Untuk Klasifikasi Berita Hoax Pada Media Sosial," JITK (Jurnal Ilmu Pengetahuan Dan Teknologi Komputer), Vol. 5, No. 2 pp. 159-164, 2020.

O. Nurdiawan, and N. Salim, “Penerapan Data Mining Pada Penjualan Barang Menggunakan Metode Metode Naïve Bayes Classifier Untuk Optimasi Strategi Pemasaran,” Jurnal Teknologi Informasi dan Komunikasi, Vol. 13, No. 1 pp. 84-95, 2018.

U. N. Dulhare, "Prediction System For Heart Disease Using Naive Bayes And Particle Swarm Optimization," Biomedical Research, Vol. 29, No. 12 pp: 2646-2649, 2018.

C. B. Dewa, and L. A. Safitri, "Pemanfaatan Media Sosial Tiktok Sebagai Media Promosi Industri Kuliner Di Yogyakarta Pada Masa Pandemi Covid-19 (Studi Kasus Akun TikTok Javafoodie)," Khasanah Ilmu-Jurnal Pariwisata dan Budaya, Vol. 12, No. 1 pp. 65-71, 2021.

A. Roihan, “Seleksi Fitur Menggunakan Symmetrical Uncertainty pada Prediksi Cacat Perangkat Lunak,” Diss. Universitas Islam Negeri Maulana Malik Ibrahim, 2018.

Diterbitkan

2022-07-15

Cara Mengutip

[1]
D. Wilandini dan P. Purwantoro, “Penerapan Algoritma Naïve Bayes dalam mengklasifikasikan Media Sosial untuk mengamati Trend Kuliner”, j. teknologi terpadu, vol. 8, no. 1, hlm. 31-39, Jul 2022.

Terbitan

Bagian

Artikel