MANAJEMEN MUTU

PROPOSAL PENELITIAN
ANALISIS SENTIMEN PENGGUNA BERDASARKAN ULASAN
APLIKASI SENTUH TANAHKU

KELOMPOK KAMPUS MERDEKA

KANTOR PERTANAHAN KABUPATEN JEMBRANA
SEMESTER VII

1. PANDU KUNCORO ADMAJA NIT.17263075

2. PUTU YOGA EKA SUMARTA NIT.17263076

SEKOLAH TINGGI PERTANAHAN NASIONAL

KEMENTERIAN AGRARIA DAN TATA RUANG/
BADAN PERTANAHAN NASIONAL
2021
 Abstrak
Sentuh Tanahku merupakan salah satu aplikasi mobile “Participatory
Mapping” yang dapat diakses melalui platform mobile iOS dan Andorid. Aplikasi
ini dilaunching oleh Kementerian Agaria dan Tata Ruang/Badan Pertanahan
Nasional dengan tujuan untuk meningkatkan visibilitas dalam hal akses layanan
data dan informasi yang interaktif dengan masyarakat dan mempercepat
tercapainya target internal dan eksternal pemerintah. Analisis sentimen adalah studi
komputasional dari opini-opini orang. Analisis sentimen akan mengelompokkan
teks yang ada dalam sebuah kalimat atau dokumen untuk mengetahui pendapat
yang dikemukakan dalam kalimat atau dokumen tersebut. Penelitian ini mencoba
untuk menganalisa opini masyarakat mengenai sentimen penggunaan aplikasi
sentuh tanahku berdasarkan komentar-komentar yang terdapat pada google
playstore. Sentimen tersebut dapat diklasifikasikan menjadi 2 yaitu sentiment
positif atau negatif. Klasifikasi dilakukan dengan menggunakan metode Naive
Bayes Clasifiers. Metode Naive Bayes Classifiers merupakan salah satu metode
klasifikasi teks berdasarkan probabilitas kata kunci dalam membandingkan
dokumen latih dan dokumen uji. Hasil pengujian pada tools RapidMiner
memperlihatkan bahwa akurasi dengan fitur TF-IDF memberikan hasil akurasi
yang baik. Metode Naive Bayes Classifier dapat menghasilkan akurasi mencapai
85.96%.
Kata Kunci : Sentuh Tanahku, Analisis Sentimen, Naive Bayes Classifier

1
 BAB I
PENDAHULUAN

A. Latar Belakang.
Dewasa ini kehidupan masyarakat mengalami banyak perubahan sebagai
akibat dari kemajuan yang telah dicapai dalam proses pembangunan sebelumnya dan
kemajuan yang pesat dalam ilmu pengetahuan dan teknologi. Perubahan yang dapat
dirasakan sekarang ini adalah terjadinya perubahan pola pikir masyarakat ke arah
yang semakin kritis. Hal itu dimungkinkan, karena semakin hari warga masyarakat
semakin cerdas dan semakin memahami hak dan kewajibannya sebagai warga.
Kondisi masyarakat yang demikian menuntut hadirnya pemerintah yang mampu
memenuhi berbagai tuntutan kebutuhan dalam segala aspek kehidupan mereka,
terutama dalam mendapatkan pelayanan yang sebaik-baiknya dari pemerintah.
Pemerintah dalam hal ini harus senantiasa memberikan pelayanan publik
yang lebih baik lagi sesuai dengan kondisi era modernisasi seperti sekarang ini untuk
memenuhi kebutuhan seluruh masyarakat. Kementerian Agraria dan Tata
Ruang/Badan Pertanahan Nasional sebagai salah satu lembaga pemerintah di bidang
pertanahan juga selalu meningkatkan pelayanan publik dengan cara mempermudah
akses masyarakat untuk mendapatkan informasi terkait pertanahan. Hasil penilaian
tingkat kepuasan publik terhadap pelayanan pertanahan dapat digunakan sebagai
ukuran untuk selalu memperbaiki dan meningkatkan pelayanan terkait pertanahan
kepada seluruh masyarakat di wilayah Indonesia. Diharapkan dari hasil pengukuran
tingkat kepuasan masyarakat yang dilakukan sesuai dengan Peraturan Menteri
Pendayagunaan Aparatur Negara dan Reformasi Birokrasi R.I Nomor 14 Tahun 2017
Tentang Pedoman Penyusunan Survei Kepuasan Masyarakat Unit Penyelenggara
Pelayanan Publik ini dapat dilaksanakan secara kontinyu dan bisa menjadi bahan
evaluasi untuk meningkatkan pelayanan terutaman pelayanan pertanahan secara
online terhadap masyarakat.
Salah satu aplikasi pelayanan untuk menyediakan data dan informasi
pertanahan secara update yaitu aplikasi Sentuh Tanahku yang bisa dimanfaatkan di
seluruh wilayah Indonesia. Aplikasi ini bermanfaat untuk meningkatkan visibilitas
dalam hal akses layanan data dan informasi yang interkatif melalui ponsel pintar

2
 (smartphone) yang diberi nama aplikasi “Participatory Land service”. Solusi ini
berjalan pada platform mobile smartphone iOS dan Android yang memberikan
berbagai informasi pelayanan administrasi berkas, info sertipikat, info bidang tanah
bahkan secara interaktif masyarakat dapat berpartisipasi melaporkan bidang
tanahnya yang belum terdaftar dengan melakukan plot bidang tanah langsung dari
ponsel pintar (smartphone) mereka. Selain itu masyarakat yang sedang melakukan
pengurusan berkas administrasi dapat memantau perkembangan dan akan menerima
push notification secara real-time tentang informasi perkembangan berkas yang
sedang diurus saat itu. Dengan adanya solusi aplikasi mobile “Participatory Land
Service” diharapkan dapat meningkatkan publikasi data, informasi, dan layanan
interaktif kepada masyarakat dan mempercepat tercapainya target internal dan
eksternal pemerintah di bidang pertanahan.
Berdasarkan program aplikasi tersebut, kelompok kami tertarik untuk
melakukan penelitian dengan judul “ANALISIS SENTIMEN PENGGUNA
BERDASARKAN ULASAN APLIKASI SENTUH TANAHKU” berdasarkan
ulasan para pengguna yang diberikan melalui Google PlaySotre.

B. Rumusan Masalah.
Berdasarkan latar belakang di atas, dapat dirumuskan permasalahan yaitu:
1. Bagaimana tahapan analisis data komentar pengguna di aplikasi sentuh tanahku
menggunakan metode Naive Bayes Clasifier ?
2. Bagaimana tingkat sentimen pengguna terhadap aplikasi sentuh tanahku
ditinjau dari analisis komentar pengguna di google playstore ?

C. Tujuan dan Manfaat Penelitian.

1. Tujuan Penelitian.
Penelitian ini bertujuan untuk:
a. Mengetahui tahapan analisis data komentar pengguna di aplikasi sentuh
tanahku menggunakan metode Naive Bayes Clasifier.
b. Mengetahui tingkat sentimen pengguna terhadap aplikasi sentuh tanahku
ditinjau dari analisis komentar pengguna di google playstore.

3
 2. Manfaaat Penelitian.
Penelitian ini diharapkan bermanfaat untuk:
a. Bagi Kementerian Agraria dan Tata Ruang/Badan Pertanahan Nasional,
penelitian ini diharapkan dapat dijadikan referensi untuk meningkatkan
kualitas aplikasi Sentuh Tanahku secara kontinyu agar sesuai dengan harapan
masyarakat sebagai pengguna.
b. Manfaat Akademis dari penelitian ini yaitu untuk menambah wawasan dan
pengetahuan khusus dibidang pertanahan.

BAB II
TINJAUAN PUSTAKA

A. Kerangka Pemikiran
1. Analisis Sentimen
Analisis sentiment merupakan metode yang digunakan untuk mengetahui
tingkah laku atau ekspresi pengguna terhadap suatu perangkat lunak atau
aplikasi berdasarkan komentar pengguna (Kaur & Gumber, 2014). Beberapa
istilah yang memiliki arti yang sama dengan analisis sentiment adalah
penambangan opini dan analisis subjektif atau deteksi subjektif. Metode ini
menggunakan pendekatan natural language processing untuk menentukan
orientasi sentiment pada suatu kometar atau opini pengguna (Khan, 2011).
Penelitian mengenai metode analisis sentimen ini biasanya berfokus
kepada subjektivitas dan polaritas. Subjektivitas ini digunakan untuk
menentukan orientasi subjektif dan objektif dari suatu dokumen atau kalimat.
Sedangkan polaritas digunakan untuk menentukan orientasi sentiment pada
suatu kalimat atau dokumen meliputi sentiment positif, negatif atau netral.
2. Web Scraping
Web Scraping adalah proses pengambilan sebuah dokumen semi-
terstruktur dari internet, umumnya berupa halaman halaman web dalam bahasa
markup seperti HTML atau XHTML, dan menganalisis dokumen tersebut untuk
diambil data tertentu dari halaman tersebut untuk digunakan bagi kepentingan

4
 lain, serta banyak penelitian yang menggunakan tools scraping untuk
mengumpulkan datanya dari web (devia dkk,2019)
Web scraping adalah teknik untuk mendapatkan informasi dari website
secara otomatis tanpa harus menyalinnya secara manual. Tujuan dari web
scraper adalah untuk mencari informasi tententu dan kemudian
mengumpulkannya dalam web yang baru. Web scraping berfokus dalam
mendapatkan data dengan cara pengambilan dan ekstraksi. Manfaat dari web
scraping adalah agar informasi yang dikeruk lebih terfokus sehingga
memudahkan dalam melakukan pencarian sesuatu. Aplikasi Web Scraping
hanya fokus pada cara memperoleh data melalui pengambilan dan ekstraksi data
dengan ukuran data yang bervariasi.
3. Naive Bayes Clasifier
Bayes merupakan teknik prediksi berbasis probabilitas sederhana yang berdasar
pada penerapan teorema Bayes (atau aturan Bayes) dengan asumsi independensi
(ketidaktergantungan) yang kuat (naif). Dengan kata lain, dalam Naive Bayes,
model yang digunakan adalah “model fitur independen” Prasetyo (2017).
Dalam Bayes (terutama Naive Bayes), maksud independensi yang kuat pada
fitur adalah bahwa sebuah fitur pada sebuah data tidk berkaitan dengan ada atau
tidaknya fitur lain dalam data yang sama.
Prediksi Bayes didasarkan pada teorema Bayes dengan formula umum sebagai
berikut:

4. Sentuh Tanahku.
Aplikasi Sentuh Tanahku adalah suatu aplikasi yang merupakan hasil
inovasi dari Kementerian Agraria dan Tata Ruang/Badan Pertanahan Nasiona
yang berguna untuk memberikan informasi pelayanan administrasi berkas, info
sertipikat, info bidang tanah bahkan secara interaktif masyarakat dapat
berpartisipasi melaporkan bidang tanahnya yang belum terdaftar dengan
melakukan plot bidang tanah langsung dari ponsel pintar (smartphone) mereka.

5
Selain itu masyarakat yang sedang melakukan pengurusan berkas administrasi
dapat memantau perkembangan dan akan menerima push notification secara
real-time tentang informasi perkembangan berkas yang sedang diurus saat itu
Dengan adanya aplikasi ini diharapkan dapat meningkatkan publikasi
data, informasi dan layanan yang interaktif kepada masyarakat dan
mempercepat tercapainya target internal dan eksternal pemerintah. Menu yang
tersedia pada aplikai Sentuh Tanahku adalah sebagai berikut:
a) Notifikasi, fitur push service secara real-time yang akan menyajikan
informasi perkembangan administrasi berkas, info blokir / habis masa
berlaku sertipikat, konfirmasi plot bidang tanah, aktifasi akun,
pengumuman dan informasi lainnya yang perlu ditampilkan secara
cepat dan real-time kepada masyarakat. Agar pengguna dapat
menggunakan fitur ini maka harus mengkonfirmasikan data NIK nya
ke kantor pertanahan;
b) Info Berkas, fitur yang menyajikan informasi dan pencarian
perkembangan administrasi berkas di kantor pertanahan. Agar
pengguna dapat menggunakan fitur ini maka harus
mengkonfirmasikan data NIK nya ke kantor pertanahan;
c) Info Sertipikat, fitur yang menyajikan informasi kepemilikan
sertipikat dan agunan si pengguna. Pada rincian sertipikat menyajikan
informasi lokasi bidang tanah pada peta. Jika sertipikat fisik si
pengguna pada fitur ini tidak terdaftar maka pengguna bersangkutan
dapat melaporkan sertipikatnya tersebut. Agar pengguna dapat
menggunakan fitur ini maka harus mengkonfirmasikan data NIK nya
ke kantor pertanahan;
d) Plot Bidang Tanah, fitur untuk partisipasi pengguna untuk melakukan
plot bidang tanahnya yang belum terdata persilnya pada peta BPN.
Pada fitur ini pengguna selain memberikan informasi titik ploting pada
peta namun wajib mengirimkan maksimal 4 buah gambar foto
sertipikat sebagai bahan acuan dan verifikasi pihak BPN;

6
 e) Lokasi Bidang Tanah, fitur yang memberikan informasi lokasi bidang
tanah pada peta sesuai informasi kantor pertanahan, desa/kelurahan,
jenis hak dan nomor hak yang diinput oleh pengguna;
f) Info Layanan, fitur yang menyajikan berbagai informasi cara dan
syarat pengurusan administrasi di kantor pertanahan serta simulasi
biaya yang disajikan secara interaktif;

Untuk mengakses informasi sertipikat dan informasi berkas pengguna

harus melakukan verifikasi terlebih dahulu ke Kantor Pertanahan. Dalam
panduan ini akan dijelaskan bagaimana mekanisme verifikasi user aplikasi
Sentuh Tanahku.

Gambar1. Bagan Kerangka Pemikiran

7
B. Definisi Operasional
Penelitian mengenai metode analisis sentimen ini biasanya berfokus kepada
subjektivitas dan polaritas. Subjektivitas ini digunakan untuk menentukan
orientasi subjektif dan objektif dari suatu dokumen atau kalimat. Sedangkan
polaritas digunakan untuk menentukan orientasi sentiment pada suatu kalimat
atau dokumen meliputi sentiment positif, negatif atau netral. Untuk penelitian ini
yang akan menjadi obyek penelitian yaitu sentimen dari penggunaan aplikasi
Sentuh Tanahku yang di launching oleh Kementerian Agraria dan Tata
Ruang/Badan Pertanahan Nasional. Hasil dari sentimen ini merupakan tolak ukur
akan kepuasan pelayanan publik berdasarkan aplikasi berbasis pertanahan,
sehingga dapat membantu untuk perbaikan kualitas layanan publik untuk menjadi
lebih baik lagi baik dari kecepatan efesiensi waktu serta biaya yang dikeluarkan.
Sedangkan respondennya yaitu pengguna aplikasi sentuh tanahku yang
memberikan ulasan dari Google Playstore.

BAB III
METODE PENELITIAN

A. WAKTU PENELITIAN
1. Waktu Penelitian
Waktu pelaksanaan kegiatan pengumpulan ulasan untuk meneliti sentimen
kepuasan terhadap aplikasi Sentuh Tanahku yaitu dimulai dari bulan Januari
– Februari 2021. Secara terperinci akan ditampilkan pada tabel dibawah ini:
Januari 2021 Februari 2021
Kegiatan Minggu Minggu Minggu Minggu Minggu Minggu
2 3 4 1 dan 2 3 4
Persiapan (Pengumpulan
Data)
Proposal Penelitian
Analisis Data
Pembuatan Laporan
Pengumpulan Laporan

8
B. METODE
Penelitian ini akan menggunakan metode algoritma naïve bayes untuk melakukan
prediksi tingkat sentimen pengguna aplikasi sentuh tanahku dan teknik
pengumpulan data menggunakan teknik data dengan menggunakan metode web
scraping. Adapun kedua metode tersebut adalah sebagai berikut :
1. Teknik pengumpulan data
Pada penelitian yang akan dilakukan ini pengumpulan data dilakukan dengan
menggunakan metode web scraping dengan memanfaatkan aplikasi Data
Miner yang merupakan salah satu extention aplikasi pada aplikasi browser
Google Chrome.
Dengan menggunakan aplikasi Data Miner dapat di kumpulkan data
komentar dari pengguna aplikai sentuh tanahku mulai tahun 2017 hingga
tahun 2021. Adapun data yang di unduh meliputi informasi nama akun
responden, tanggal, bulan dan tahun komentar, kalimat komentar dari
pengguna aplikasi sentuh tanahku, dan respon dari admin aplikasi sentuh
tanahku terhadap komentar.
Adapun proses web scraping dimulai dengan menentukan web page yang
akan di unduh datanya, menentukan data obyek yang akan masuk dalam satu
baris data yang akan di unduh, menentukan kolom data apa saja yang akan di
unduh yang semua datanya ada dalam obyek yang sebelumnya telah
terseleksi, menentukan navigasi elemen selektor apabila data yang akan di
unduh lebih daru satu halaman, mengunduh data dan menyimpan data dalam
format *.CSV. Kesemua data yang meliputi informasi nama akun responden,
tanggal, bulan dan tahun komentar, kalimat komentar dari pengguna aplikasi
sentuh tanahku, dan respon dari admin aplikasi sentuh tanahku terhadap
komentar akan tersusun kedalam satu baris untuk tiap-tiap respon dari
pengguna

9
 Gambar2. Bagan Alir Web Scraping

2. Teknik pengolahan data/ analisis data

Pada dasarnya, dataset yang diperoleh dari proses text mining memiliki
struktur yang sembarang dan tidak beraturan. Oleh karena itu, sebelum dataset
dimasukan kedalam model, data terlebih dahulu melalui tahap preprocessing
data. Tahapan ini dilakukan untuk membersihkan data dari noise dan
mengubah data menjadi data yang terstruktur.
a. Tahap preprocessing meliputi :
1. Case folding ialah tahapan untuk menyeragamkan seluruh teks yang
akan dimasukan kedalam model menjadi huruf kecil semua
(lowercase).
2. Tokenize yaitu proses pemecahan kata pada kalimat review,
pemisahan kata dalam kalimat umumnya menggunakan karakter
spasi, maka karakter spasi diandalkan untuk proses tokenisasi ini.
3. Stopword removal yaitu proses menghilangkan kata yang termasuk
kedalam kategori stopword. Stopword adalah kata yang sering muncul
namun dianggap tidak memiliki arti.
4. Stemming yaitu proses menemukan kata dasar dengan menghilangkan
semua imbuhan yang menempel pada kata.
b. Tahap Analisa Sentimen dengan Naïve Bayes Classifier
Naïve Bayes Classifier merupakan teknik pembelajaran algoritma data
mining yang memanfaatkan metode probabilitas dan statistik. Naïve
Bayes Classifier dalam melakukan klasifikasi terdapat dua proses penting
yaitu learning (training) dan testing. Metode Naïve Bayes merupakan

10
 interpretasi dari kalkulus yang memuat konsep probabilitas sebagai
Derajat dimana suatu pernyataan dipercaya benar. Metode ini digunakan
sebagai alat pengambilan keputusan untuk memperbaharui suatu
informasi. Analisis data menggunakan algiritma naïve bayes
menggunakan softwere aplikasi rapid miner. Adapun hasil analisi dengan
algoritma tersebut nantinya akan menghasilkan data sentiment dengan
kategori positif negative dan netral.

BAB IV
HASIL DAN PEMBAHASAN

A. PENGAMBILAN DATA SET

Data yang digunakan dalam penelitian ini merupakan opini yang
menggunakan Bahasa Indonesia terkait dengan opini atau sentimen pengguna
aplikasi sentuh tanahku. Data diambil dari ulasan dan komentar yang diberikan
oleh pengguna di Google Playstore. Adapun jumlah data komentar yang diambil
sebanyak 903 komentar dari komentar yang memberikan rating dari bintang 1
(satu) sampai dengan rating bintang 5 (lima). Dari 903 komentar ulasan terkait
penggunaan aplikasi sentuh tanahku, ada sekitar 447 respon balik yang diberikan
oleh admin aplikasi Sentuh Tanahku.

Search Google Playsotre

Gambar 3. Proses Crawling Data

B. PREPROCESSING

Tahapan ini merupakan tahapan awal untuk mengolah data teks menjadi
analisa sentimen. Pada tahapan ini kita harus menyiapkan data training yang nanti
akan digunakan untuk menganalisis data secara keseluruhan data yang ingin di

11
analisis. Dalam memilih data training sebaiknya dipilih dalam jumlah yang sama
atau seimbang dari masing-masing kriteria yang ingin di analisis. Dalam
penelitian ini kami ingin menganalisis data komentar pengguna sebanyak 903
komentar dimana kami menggunakan 644 data trining. Pemilihan data training
kami tentukan dari jumlah bintang yang diberikan pada saat memberi komentar.
Adapun data training kami ambil dari komentar dengan bintang satu yang
mewakili komentar negatif dan bintang lima untuk komentar dengan respon
positif. Adapun jumlah distribusinya yaitu sebanyak 302 data trining positif dan
342 data training negatif. Adapun rangkaian tahapan preprocesing adalah sebagai
berikut :

Gambar 4. Alur tahapan Preprocesing Text

1. Retreve Historical sample

Pada tahapan ini kita memasukkan data sampel ke dalam data base untuk
terlebih dahulu dianalisis dengan nilai sampel atau kriteria ditentukan
secara manual oleh pengguna aplikasi rapid miner. Dalam hal ini penulis
menggunakan data komentar bintang satu dan bintang lima sebagai data
training. Adapun data training dapat di lihat pada lampiran 1.

12
2. Set Role
Pada tahap kedua preprocesing yaitu menentukan set role atau memilih
kolom mana sebagai atribut yang akan di analisis dan kolom mana sebagai
kriteria dari analisis. Untuk klom kriteria sendiri target rolenya di rubah
menjadi label. Pada kolom ini berisi kriteria positif dan negatif.

Gambar 5. Penentuan Label Kriteria

3. Nominal to text
Pada tahap ini adalah merubah atribut yang awalnya nominal atau angka
menjadi text agar dapat dianalisi dalam aplikasi rapid miner.
Tabel 1. Hasil dari Nominal to Text
Teks sebelum dilakukan proses Teks setelah dilakukan proses
Aplikasinya sudah bagus. Sedikit aplikasinya sudah bagus. sedikit
masukan, saat pencarian bidang masukan, saat pencarian bidang
melalui nomor hak, selain filter melalui nomor hak, selain filter
nama desa/kelurahan, perlu juga nama desa/kelurahan, perlu juga
ada filter nama kecamatan. Saat ada filter nama kecamatan. saat
saya memasukkan nama desa, saya memasukkan nama desa,
muncul 3 desa dengan nama yang muncul tiga desa dengan nama
sama. yang sama.

4. Process documen
Pada tahapan ini merupakan rangkain proses normalisasi dari data kalimat
yang ada dimana di dalah tahap ini di pecah kedalam 4 sub tahapan yaitu
transform cases, tokenization, filter token (by length), stopword dan
terakhir adalah stemming. Dari hasil proces daocumen ini nantinya akan

13
 menghasilkan daftar kata dengan kriteria positif dan negatif yang
nantinya akan dijadikan bobot penilaian bagi data yang inin di teliti.

5. Transform Cases
Pada proses ini, rapidminer akan mengubah kapitalisasi karakter (huruf)
menjadi kecil untuk semua kata atau huruf. Seteleh melalui tahap ini,
seluruh isi komentar akan menjadi non kapital. Proses transform cases
dapat dilihat pada Tabel 2.
Tabel 2. Hasil dari Transform Cases
Teks sebelum dilakukan proses Teks setelah dilakukan proses
Aplikasinya sudah bagus. Sedikit aplikasinya sudah bagus. sedikit
masukan, saat pencarian bidang masukan, saat pencarian bidang
melalui nomor hak, selain filter melalui nomor hak, selain filter
nama desa/kelurahan, perlu juga nama desa/kelurahan, perlu juga
ada filter nama kecamatan. Saat ada filter nama kecamatan. saat
saya memasukkan nama desa, saya memasukkan nama desa,
muncul 3 desa dengan nama yang muncul tiga desa dengan nama
sama. yang sama.

6. Tokenization
Proses tokenization berfungsi untuk mengilangkan tanda baca, simbol dan
karakter yang bukan berupa huruf pada setiap komentar. Proses
tokenization dapat dilihat pada Tabel 3.

14
 Tabel 3. Contoh Hasil Tokenization
Teks sebelum dilakukan proses Teks setelah dilakukan proses
Aplikasinya sudah bagus. Sedikit aplikasinya sudah bagus sedikit
masukan, saat pencarian bidang masukan saat pencarian bidang
melalui nomor hak, selain filter melalui nomor hak selain filter
nama desa/kelurahan, perlu juga nama desakelurahan perlu juga
ada filter nama kecamatan. Saat ada filter nama kecamatan saat
saya memasukkan nama desa, saya memasukkan nama desa
muncul 3 desa dengan nama yang muncul 3 desa dengan nama yang
sama. sama

7. Filter Token (by Length)

Pada tahap ini dilakukan pemilihan token dengan ukuran panjang minimal
4 karakter (huruf), walaupun beberapa diantaranya adalah stopwords. Jika
kata yang kurang dari 4 huruf namun termasuk dalam stopwords akan tetap
dibuang, karena tahap selanjutnya adalah pembuangan stopwords. Proses
filter token dapat dilihat pada Gambar 5.

Gambar 5. Parameter Filter Tokens (by Length)

15
 Tabel 4. Contoh Hasil Filter Token (by Length)

Teks sebelum dilakukan proses Teks setelah dilakukan proses

Aplikasinya sudah bagus. Sedikit aplikasinya sudah bagus sedikit
masukan, saat pencarian bidang masukan saat pencarian bidang
melalui nomor hak, selain filter melalui nomor hak selain filter
nama desa/kelurahan, perlu juga nama desakelurahan perlu juga
ada filter nama kecamatan. Saat ada filter nama kecamatan saat
saya memasukkan nama desa, saya memasukkan nama desa
muncul 3 desa dengan nama yang muncul tiga desa dengan nama
sama. yang sama

8. Stopwords
Setelah kata-kata difilter berdasarkan jumlah karakternya, lanjut pada
tahap stopwords ini. Tahapan ini bertujuan untuk menyempurnakan filter
token by length. Kata-kata yang tidak relevan akan di buang seperti kata
penghubung dll. Jadi yang tersisa hanya kata-kata yang menjadi kunci
yang memberikan makna tertentu. Penentuan kata yang tidak perlu
ditentukan oleh pengguna aplikasi. Adapun daftar kata stop wor dapat
dilihat pada lampiran 2, atau diunduh di internet.

Tabel 5. Contoh Hasil Stopwords

Teks sebelum dilakukan proses Teks setelah dilakukan proses

Aplikasinya sudah bagus Sedikit aplikasinya bagus sedikit masukan
masukan, saat pencarian bidang pencarian bidang melalui nomor
melalui nomor hak, selain filter selain filter nama desa kelurahan
nama desa/kelurahan, perlu juga perlu juga filter nama kecamatan
ada filter nama kecamatan. Saat memasukkan nama desa muncul
saya memasukkan nama desa, desa dengan nama sama
muncul 3 desa dengan nama yang
sama.

16
9. Stemming
Pada tahap stemming ini, kata yang memiliki kata penghubung diubah
menjadi kata dasar untuk komentar dalam bahasa Indonesia. Analisis dari
hasil penelitian pada tahap ini yaitu, kita dapat menentukan kata-kata mana
yang sering muncul dan dapat diunduh dalam bentuk Ms.Excel. Pada tahap
ini kita dapat mengetahui apa saja yang menjadi perhatian dan yang perlu
dibenahi untuk mengembangkan aplikasi sentuh tanahku, sehingga dapat
diupagrade sesuai dengan kebutuhan pengguna berdasarkan dari komentar
dengan kata kunci yang sama. Adapun hasil yang kami peroleh pada tahap
ini tertera pada Tabel 6.

Tabel 6. Contoh Hasil Stopwords

Teks sebelum dilakukan proses Teks setelah dilakukan proses

aplikasinya bagus sedikit aplikasi bagus sedikit masuk cari
masukan pencarian bidang bidang lalu nomor lain filter nama
melalui nomor selain filter nama desa kelurahan perlu juga filter
desa kelurahan perlu juga filter nama kecamatan masuk nama
nama kecamatan memasukkan desa muncul desa nama sama
nama desa muncul desa nama sama

Darii semua proses nomaiasasi tex selanjutnya dapat di unduh daftar kata
yang sering muncul dan bobot nilai dari kata-kata tersebut apakah negatif
atau positif. Bobot dari masing-masing kata tersebut memiliki nilai dari 0-
1 positif dan 0-1 negatif kemudian di gunakan untuk menghitung bobot
atau sentimen pada suatu kalimat. Adapun daftar kata tersebut dapat dilihat
di lampiran 3. Sedangkan untuk contoh katanya dapat di lihat pada tabel
7. Dari daftar kata selain digunakan untuk menganalisis sentimen
pengguna aplikasi juga dapat digunakan untuk menganalisis keluhan apa
yang muncul terhadap aplikasi tersebut

17
 Tabel 7. Kata yang Sering Muncul

JUMLAH JUMLAH
KATA ATRIBUT POSITIF NEGATIF
KATA KALIMAT
aplikasi aplikasi 245 173 68 177
bisa bisa 240 188 32 208
tidak tidak 231 153 32 199
sudah sudah 150 110 42 108
register register 106 79 8 98
email email 100 63 10 90
login login 97 84 5 92

Dari daftar kata tersebut dapat diketahui bahwa permasalahan yang muncul
pada aplikasi Sentuh Tanahku adalah terkait masalah Registrasi, verifikasi dan
login dari aplikai yang menurut pengguna di anggap sulit. Hal tersebut dapat di
cross check pada beberapa kolom komentar di bawah ini :

Tabel 8. Hasil Ulasan

Tanggal Komentar
January 11, 2021 January 13, 2021 Sering update minor, tiap update akun terlogout, harus login lagi, login lagi... Jangan dilogoutin dong pakde... Capek
Tidak bisa verifikasi karena tidak bisa connect ke server, tekan tombol bantuan di katakan tidak tersedia lagi, saya mau plot tanah tapi
January 10, 2021 January 13, 2021
map tidak keluar. Bagaimana saya cari bantuan?
January 1, 2021 January 13, 2021 Opsi "Info Sertipikat" seperti yang di iklannya kok tidak ada? Orang awam tidak bisa mengecek kepemilikan shm tertentu dong
December 31, 2020 January 13, 2021 verifikasi gagal, katanya NIK tidak terdata pada dukcapil. 😂 Padahal NIK nya gk bermasalah.
December 31, 2020 January 13, 2021 Verification process takes forever! Seems like the process are handled manually, not automatically done by the system.
December 23, 2020 January 13, 2021 Aplikasi ga ada guna... verifikasi data 1 bulan ga kelar2... uninstall
December 23, 2020 January 13, 2021
setelah diupdate terbaru malah suka error dan keluar dari aplikasi. padahal versi awal2 lancar2 aja. mohon segera di betulkan bug nya.
Peta lokasi tanahnya gk akurat, melesetnya terlalu jauh sekitar 1 km dan udah masuk desa yg berbeda lalu ada HGB yg sudah berubah jd
December 23, 2020
sertifikat tp yg bisa dicari HGB saja malah sertifikatnya gk ketemu

C. VALIDASI

Menguji dataset dengan komposisi data pengujian dan parameter pelatihan

yang berbeda dilakukan dengan mendistribusikan data pelatihan dan menguji data
dengan komposisi berdasarkan distribusi data dalam validasi silang k-fold dengan
nilai k = 2 hingga k = 10. Tes ini bertujuan untuk menentukan nilai k-fold optimal

18
 dalam proses klasifikasi opini dalam kasus penelitian ini. Operator Cross
Validation K-Fold dapat dilihat pada Gambar 6.

Gambar 6. Operator Cross Validation K-Fold

D. EVALUASI
Hasil dari implementasi model naive bayes tersebut akan didapat seluruh rule.
Rule yang dihasilkan akan digunakan sebagai dasar prediksi nilai yang akan
dilakukan. Sebelumnya rule tersebut harus dievaluasi dan divalidasi sehingga
diketahui seberapa akurat hasil prediksi yang akan dilakukan. Pada tahap ini
proses evaluasi menggunakan metode confusion matrix.

Tabel 5. Hasil Prediksi dan Analisis

Jenis Review Prediksi Analisis

Review Positif 328 426

Review Negatif 575 477

Dari tabel 5 dapat di analisis bahawa jumlah sentimen pengguna dari total
903 sebanyak 477 memberi reviwe Negatif dan sebanyak 426 memberi review
positif, pada hasil analisis menunjukan pergeseran dari hasil prediksi yang
menggunakan data bintang yang di berikan pada tiap ulasan dimana dari prediksi

19
diperkirakan sebanyak 328 memberi review positif dan 575 memberi sentimen
negatif.

Model confusion matrix akan membentuk matriks yang terdiri dari

accuracy, true positif dan true negatif, recall dan precision. Berikut merupakan
hasil dari confusion matrix pada algoritma naive bayes classifier. Klasifikasi
confusion matrix dapat dilihat pada Tabel 6.

Tabel 6. Tingkat Akurasi 644 Data Training

class
True Positif True Negatif
precision

Pred. Positif 220 82 72.85%

Pred. Negatif 48 294 85.96%
Class recall 82.09% 78.19%

Hasil accuracy pengujian naive bayes untuk analisis sentimen pengguna aplikasi
sentuh tanahku berdasarkan ulasan di google playstore memperoleh hasil
sebesar 72.85% untuk prediksi positif dan 85.96% prediksi negatif. Oleh karena
itu untuk aplikasi sentuh tanahku ini masih banyak hal yang harus diperbaiki
untuk memberikan kepuasan pada pengguna serta kecepatan dalam pelayanan.
Dapat disimpulkan juga bahwa pengujian menggunakan algoritma nive bayes
memiliki tingkat akurasi yang cukup tinggi . Penggujian analisis sentimen
pengguna menggunakan rapid miner juga dirasa cukup efektif untuk
menganalisis data yang relatif banyak yang tidak mungkin dilakukan analisis
secara manual dengan waktu singkat. Penggunaan aplikasi rapid miner apabila
di kombinasikan dengan data scraber dapat digunakan untuk menganalisi crowd
data yang ada di internet .

20
 BAB V
PENUTUP

A. KESIMPULAN

Berdasarkan hasil analisis yang telah dilaksanakan dari penelitian di atas,

maka dapat diberikan kesimpulan bahwa:

a. Dilihat dari jumlah komentar dari pengguna aplikasi sentuh tanahku yang
terdapat di google playstore, aplikasi sentuh tanahku setidaknya sudah
membantu mempermudah para masyarakat dalam menggunakan layanan
pertanahan. Hanya saja masih banyak juga yang menjadi kekurangan dari
aplikasi sentuh tanahku ini. Dari analisis di atas, hal utama yang menjadi
perhatian antara lain permasalahan dalam registrasi, login dan verifikasi pada
saat penggunaan aplikasi tersebut.
b. Dapat disimpulkan tingkat ketelitian anaslisis tersebut memperoleh hasil
yang cukup tinggi sebesar 72.85% untuk prediksi positif dan 85.96%.
sedangkan untuk sentimen pengguna kecendrungannya memberkan sentimen
negatif lebih banyak dengan perbandingan 426 positif dan 477 negatif.
B. Saran
Masih banyak hal yang perlu ditingkatkan untuk pengembangan aplikasi
sentuh tanahku ini untuk bisa memuaskan para pengguna. Selain itu juga pada saat
login, registrasi dan verifikasi agar bisa lebih mempermudah para pengguna
layanan ini.

21
 DAFTAR PUSTAKA

Kaur, A., & Gumbar, N.(2014). Sentimental Analysis on Aplication Reviews On

Educational Apps.(11),16-19.

Khan, A.,(2011). Sentiment clasificatio by sentenc level semantic orientation using

sentiwordnet from review and blog. International Jurnal of computer science &
Emerging Technologies. (4). 539-552.

Yislam and I. Budi, (2016) Analisis Sentimen Masyarakat Terhadap Pemerintahan

Jokowi Menggunakan Data Twitter,

Prasetyo, Eko 2017, Data Mining Konsep dan Aplikasi Menggunakan Matlab,
Yogyakata, CV. Andi OFFSET.

Devia dkk,2019 Implementasi Web scraping untuk pengambilan data pada situs
marketplace, ‘ Jurnal Teknologi dan Informasi. Vol.7 . No.4

22
23