Penerapan Big Data Menggunakan Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM Sektor Kuliner

Penulis

  • Muhammad Ridho Fauzi Universitas Ibn Khaldun Bogor
  • Risky Adit Pratama Universitas Ibn Khaldun Bogor
  • Panji Laksono Universitas Ibn Khaldun Bogor
  • Puspa Eosina Universitas Ibn Khaldun Bogor

DOI:

https://doi.org/10.32832/kreatif.v9i1.3587

Kata Kunci:

Analisis Sentimen, Data Mining, K-Nearest Neighbor, UMKM

Abstrak

UMKM di Kota Bogor merupakan UMKM yang mengalami perkembangan yang signifikan dari tahun ke tahun. Pada tahun 2019, di Kota Bogor tercatat ada sekitar 30.822 usaha UMKM yang didominasi sektor kuliner 60 persen, kerajinan 30 persen dan 10 persen lainnya adalah sektor batik. Dengan adanya pertumbuhan UMKM yang signifikan tersebut, maka akan berpengaruh terhadap persaingan UMKM yang semakin meningkat dan akan semakin sulit untuk melihat peta persaingan pada UMKM, khususnya pada sektor kuliner. Sehingga untuk mengatasi persaingan tersebut salah satu cara yang dapat dilakukan adalah melihat sentimen konsumen terhadap UMKM tersebut. Salah satu metode yang dapat digunakan dalam menyelesaikan permasalahan tersebut, adalah metode Data Mining. Pada metode Data Mining, terdapat beberapa algoritma popular yang sering digunakan. Dan salah satu algoritma yang popular itu adalah algoritma K-Nearest Neighbor (K-NN). Algoritma KNN dapat digunakan pada berbagai kasus penelitian, seperti multi-class classification, binary classification dan multi-label classification yang dapat membantu dalam memprediksi berbagai kasus di kehidupan sehari-hari. Sehingga dalam hal ini, kami mengusulkan sebuah ide baru, yaitu penerapan Big Data menggunakan algoritma Multi-Label K-Nearest Neighbor atau ML-KNN dalam analisis sentimen konsumen terhadap UMKM sektor kuliner di Kota Bogor. Ide atau gagasan tersebut dapat bermanfaat bagi pelaku UMKM sektor kuliner di Kota Bogor dalam mengetahui insight atau wawasan dari hasil analisis sentimen konsumen terhadap UMKM dan dapat membantu untuk pengambilan sebuah keputusan bisnis dalam meningkatkan daya saingnya terhadap kompetitor atau UMKM sektor kuliner yang berada di Kota Bogor.

Referensi

A. Andreyestha and A. Subekti, "Analisa Sentiment Pada Ulasan Film Dengan Optimasi Ensemble Learning,” J. Inform., vol. 7, no. 1, pp. 15–23, 2020, doi: 10.31311/ji.v7i1.6171.

A. K. Maheswari, Ph.D., Business Intelligence and Data Mining., Business E. LLC, 2015.

R. Primartha, Belajar Machine Learning Teori dan Praktik, Edisi ke-1. Bandung, 2018.

A. Sentimen, A. Games, S. E. A. Games, M. Riefky, and W. Pramesti, "Sentiment Analysis of Southeast Asian Games ( SEA Games ) in Philippines 2019 Based on Opinion of Internet User of Social Media Twitter with K-Nearest Neighbor and Support Vector Machine Filipina Tahun 2019 berdasarkan Opini Netizen dari Media Sosial Twit,” vol. 17, no. 1, pp. 26–41, 2020, doi: 10.20956/jmsk.v.

F. C. Anggian, N. Hidayat, and M. T. Furqon, "Implementasi Metode Modified K-Nearest Neighbor untuk Klasifikasi Status Gunung Berapi,” vol. 3, no. 12, pp. 11027–11033, 2019.

D. Satriawan, H. Fitriyah, and A. S. Budi, "Sistem Klasifikasi Tahu Putih Murni dan Tahu Putih Mengandung Formalin Menggunakan Metode K-Nearest Neighbor,” vol. 3, no. 10, 2019.

K. A. Sugiarta, I. Cholissodin, and E. Santoso, "Optimasi K-Nearest Neighbor Menggunakan Bat Algorithm Untuk Klasifikasi Penyakit Ginjal Kronis,” vol. 3, no. 10, pp. 10301–10308, 2019.

D. Syahid, J. Jumadi, and D. Nursantika, "Sistem Klasifikasi Jenis Tanaman Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor (KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” J. Online Inform., vol. 1, no. 1, p. 20, 2016, doi: 10.15575/join.v1i1.6.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, "Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018, doi: 10.25126/jtiik.201854773.

H. Leidiyana, "Penerapan Metode K-Nearest Neighbor Pada Penentuan Grade Dealer,” J. Pengetah. Dan Teknol. Komput., vol. 2, no. 2, pp. 108–112, 2017.

A. Nugroho, "Implementasi Algoritma K-Nearest Neighbor Dalam Memprediksi Potensi Calon Kreditur di KSP Galih Manunggal,” Dasi, vol. 17, no. 2, pp. 1–6, 2016.

P. N. Fadila, . I., and D. E. Ratnawati, "Identifikasi Jenis Attention Deficit Hyperactivity Disorder (ADHD) Pada Anak Usia Dini Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN),” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, p. 193, 2016, doi: 10.25126/jtiik.201633195.

F. Tempola, M. Muhammad, and A. Khairan, "Perbandingan Klasifikasi Antara Knn Dan Naive Bayes Pada Penentuan Status Gunung Berapi Dengan K-Fold Cross Validation Comparison of Classification Between Knn and Naive Bayes At the Determination of the Volcanic Status With K-Fold Cross,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, pp. 577–584, 2018, doi: 10.25126/jtiik20185983.

F. S. Ni'mah, T. Sutojo, and D. R. I. M. Setiadi, "Identifikasi Tumbuhan Obat Herbal Berdasarkan Citra Daun Menggunakan Algoritma Gray Level Co-occurence Matrix dan K-Nearest Neighbor,” J. Teknol. dan Sist. Komput., vol. 6, no. 2, pp. 51–56, 2018, doi: 10.14710/jtsiskom.6.2.2018.51-56.

G. A. Pradnyana, I. K. A. Suryantara, and I. G. M. Darmawiguna, "Impression Classification of Endek (Balinese Fabric) Image Using K-Nearest Neighbors Method,” Kinet. Game Technol. Inf. Syst. Comput. Network, Comput. Electron. Control, vol. 3, no. 3, pp. 213–220, 2018, doi: 10.22219/kinetik.v3i3.611.

M. Rivki and A. M. Bachtiar, "Implementasi Algoritma K-Nearest Neighbor Dalam Pengklasifikasian Follower Twitter Yang Menggunakan Bahasa Indonesia,” J. Sist. Inf., vol. 13, no. 1, p. 31, 2017, doi: 10.21609/jsi.v13i1.500.

C. Gong, Z. Su, P. Wang, and Q. Wang, "Cumulative belief peaks evidential K-nearest neighbor clustering,” Knowledge-Based Syst., vol. 200, no. May, p. 105982, 2020, doi: 10.1016/j.knosys.2020.105982.

S. Sukamto, Y. Adriyani, and R. Aulia, "Prediksi Kelompok UKT Mahasiswa Menggunakan Algoritma K-Nearest Neighbor,” JUITA J. Inform., vol. 8, no. 1, p. 121, 2020, doi: 10.30595/juita.v8i1.6267.

S. L. Br. Ginting, Z. Wendi, and D. Astrid, "Teknik Data Mining untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma K-Nearest Neighborhood,” J. Tek. Komput. Unikom – Komputika – Vol. 3, No.2 - 2014 Sist., vol. 3, no. 2, pp. 23–28, 2014, [Online]. Available: http://komputika.tk.unikom.ac.id/jurnal/teknik-data-mining-untuk.10.

C. S. D. Prasetya, "Sistem Rekomendasi Pada E-Commerce Menggunakan K-Nearest Neighbor,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 194, 2017, doi: 10.25126/jtiik.201743392.

G. Harsemadi, M. Sudarma, and N. Pramaita, "Implementasi Algoritma K-Nearest Neighbor pada Perangkat Lunak Pengelompokan Musik untuk Menentukan Suasana Hati,” Maj. Ilm. Teknol. Elektro, vol. 16, no. 1, pp. 14–20, 2017, doi: 10.24843/mite.1601.03.

T. R. Savera, W. H. Suryawan, and A. W. Setiawan, "Deteksi Dini Kanker Kulit Menggunakan K-Nn Dan Early Detection of Skin Cancer Using K-Nn and Convolutional,” vol. 7, no. 2, pp. 373–378, 2020, doi: 10.25126/jtiik.202072602.

R. M. Candra and A. N. Rozana, "Klasifikasi Komentar Bullying pada Instagram Menggunakan Metode K-Nearest Neighbor,” vol. 5, no. 1, pp. 45–52, 2020.

B. Satrian, "Penerapan Algoritma K-Nn untuk Klasifikasi Gamers Usia Sekolah,” vol. 2, no. 1, pp. 19–23, 2020.

M. R. Alghifari and A. P. Wibowo, "Penerapan Metode K-Nearest Neighbor Untuk Klasifikasi Kinerja Satpam Berbasis Web,” J. Teknol. dan Manaj. Inform., vol. 5, no. 1, 2019, doi: 10.26905/jtmi.v5i1.3074.

N. A. Anggraini and N. Fadillah, "Analisis Deteksi Emosi Manusia dari Suara Percakapan Menggunakan Matlab dengan Metode KNN,” InfoTekJar (Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 2, pp. 176–179, 2019, doi: 10.30743/infotekjar.v3i2.1041.

J. Informa, P. Indonusa, and S. Issn, "Implementasi Metode K-Nearest Neighbor (Knn) Untuk Memprediksi Varietas Padi Yang Cocok Untuk Lahan Pertanian,” vol. 4, pp. 2–8, 2018.

E. YULIANTI and Y. A. NURDIN, "Sistem Pendukung Keputusan Penerimaan Bantuan Siswa Miskin (BSM) Berbasis Online Dengan Metode Knn (K-Nearest Neighbor) (Studi kasus : SMPN 1 Koto XI Tarusan),” J. Teknoif, vol. 6, no. 1, pp. 12–17, 2018, doi: 10.21063/jtif.2018.v6.1.12-17.

B. L. Yudha, L. Muflikhah, and R. C. Wihandika, "Klasifikasi Risiko Hipertensi Menggunakan Metode Neighbor Weighted K- Nearest Neighbor ( NWKNN ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 2, pp. 897–904, 2018.

J. I. Kartika, E. Santoso, and Sutrisno, "Penentuan Siswa Berprestasi Menggunakan Metode K-Nearest Neighbor dan Weighted Product (Studi Kasus: SMP Negeri 3 Mejayan),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 5, pp. 352–360, 2017.

D. A. Putra, M. D. S. Sanapiah, A. I. Hanifah, and T. Afirianto, "SEED (Stoke Disease Early Detection Application) - Rancang Bangun Aplikasi Mobile Berbasis Android untuk Mendiagnosis Gejala Dini Penyakit Stroke Menggunakan K-Nearest Neighbor (K-NN),” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 3, p. 287, 2019, doi: 10.25126/jtiik.201963915.

D. B. Napitupulu, "Clustering SMEs Based on Technology Readiness using K-Means Algorithm,” J. Penelit. Pos dan Inform., vol. 7, no. 2, p. 97, 2017, doi: 10.17933/jppi.2017.070202.

F. Irhamni, B. K. Khotimah, and T. Sundarwati, "Clustering Industri Kecil Dan Menengah ( Ikm ) Dengan Menggunakan Metode Gabungan,” pp. 1–9, 2015.

P. Puntoriza and C. Fibriani, "Analisis Persebaran UMKM Kota Malang Menggunakan Cluster K-means,” JOINS (Journal Inf. Syst., vol. 5, no. 1, pp. 86–94, 2020, doi: 10.33633/joins.v5i1.3469.

N. A. Widiastuti and T. Tamrin, "Penerapan Aplikasi Mobile Location Based Service Untuk Persebaran Usaha Mikro Kecil Menengah Dikabupaten Jepara,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 1, pp. 271–278, 2020, doi: 10.24176/simet.v11i1.4015.

N. A. Widiastuti and N. A. Azizah Widiastuti, "Teknologi Geolocation Berbasis Android dengan Metode K-Means untuk Pemetaan UMKM di Kabupaten Jepara,” J. Sist. Inf. Bisnis, vol. 8, no. 2, p. 218, 2018, doi: 10.21456/vol8iss2pp218-224.

M. Ghosh and G. Sanyal, "An ensemble approach to stabilize the features for multi-domain sentiment analysis using supervised machine learning,” J. Big Data, vol. 5, no. 1, 2018, doi: 10.1186/s40537-018-0152-5.

S. Ahmad, M. Z. Asghar, F. M. Alotaibi, and I. Awan, "Detection and classification of social media-based extremist affiliations using sentiment analysis techniques,” Human-centric Comput. Inf. Sci., vol. 9, no. 1, 2019, doi: 10.1186/s13673-019-0185-6.

T. M. Li, H. C. Chao, and J. Zhang, "Emotion classification based on brain wave: a survey,” Human-centric Comput. Inf. Sci., vol. 9, no. 1, 2019, doi: 10.1186/s13673-019-0201-x.

Herdiawan, "BERDASARKAN OPINI PUBLIK MENGGUNAKAN METODE IMPROVED K-NEAREST NEIGHBOR. Teknik Informatika – Universitas Komputer Indonesia Jurnal Ilmiah Komputer dan Informatika ( KOMPUTA ),” 2018.

D. Wulandari, Indriati, and C. Dewi, "Analisis Sentimen p ada Ulasan ‘ Lazada ' Berbahasa Indonesia Menggunakan BM25 dan K-Nearest Neighbor ( K-NN ) dengan Perbaikan,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 5, pp. 5017–5023, 2019.

A. Deviyanto and M. D. R. Wahyudi, "Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, p. 1, 2018, doi: 10.14421/jiska.2018.31-01.

N. T. Romadloni, I. Santoso, and S. Budilaksono, "Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl,” J. IKRA-ITH Inform., vol. 3, no. 2, pp. 1–9, 2019.

R. P. Fitrianti, A. Kurniawati, and D. Agusten, "Implementasi Algoritma K - Nearest Neighbor Terhadap Analisis Sentimen Review Restoran Dengan Teks Bahasa Indonesia,” Semin. Nas. Apl. Teknol. Inf. 2019, pp. 27–32, 2019.

T. Kolajo, O. Daramola, and A. Adebiyi, "Big data stream analysis: a systematic literature review,” J. Big Data, vol. 6, no. 1, 2019, doi: 10.1186/s40537-019-0210-7.

M. Marjani et al., "Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges,” IEEE Access, vol. 5, pp. 5247–5261, 2017, doi: 10.1109/ACCESS.2017.2689040.

S. H. Al Ikhsan, F.Fatimah, R.S Irawan. Aplikasi Android Sebaran Lokasi UMKM di Kota Bogor Dengan Formula Haversine. Jurnal Krea-TIF. Vol 7 No 2, pp 88-102. 2019

Unduhan

Diterbitkan

2021-05-30

Cara Mengutip

Fauzi, M. R., Pratama, R. A., Laksono, P., & Eosina, P. (2021). Penerapan Big Data Menggunakan Algoritma Multi-Label K-Nearest Neighbor dalam Analisis Sentimen Konsumen UMKM Sektor Kuliner. Krea-TIF: Jurnal Teknik Informatika, 9(1), 9–20. https://doi.org/10.32832/kreatif.v9i1.3587

Terbitan

Vol 9 No 1 (2021)

Bagian

Articles

Lisensi

Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:

  • Penulis memiliki hak cipta dan memberikan hak jurnal untuk publikasi pertama dengan karya yang secara simultan dilisensikan yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
  • Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
  • Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (misalnya, dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.

 

Biaya Publikasi

Jurnal Krea-TIF memiliki biaya publikasi Artikel, dengan

Biaya per Artikel : Rp 350.000

Bank Transfer : CIMB Niaga Syariah 761998938200 an GIBTHA FITRI LAXMI

Penulis diharuskan membayar biaya publikasi sebagai biaya pengajuan untuk berkontribusi dalam pembiayaan proses review dan editing.

*Jika Anda tidak memiliki dana untuk membayar biaya tersebut, Anda akan memiliki kesempatan untuk membebaskan setiap biaya. Kami tidak ingin ada biaya untuk mencegah publikasi karya yang layak. Melalui proses seleksi kelayakan tentunya.