Klasifikasi Sentiment Tweet Pelanggan IndiHome Selama Pandemi Covid-19 Menggunakan Algoritma Multinomial Naive Bayes
Abstract
Selama pandemi Covid-19 banyak kegiatan sekolah maupun kantor yang dilakukan secara daring. Diperlukan jaringan internet untuk mendukung kegiatan tersebut, maka banyak orang yang berinisiatif untuk berlangganan layanan internet IndiHome. Banyak pelanggan yang merasa tidak puas dengan pelayanan IndiHome dengan menuliskan tweet di Twitter. Diperlukan sentiment analysis pada komentar tweet untuk mengevaluasi layanan IndiHome berdasarkan opini pelanggan. Dengan menggunakan metode Multinomial Naive Bayes diterapkan untuk klasifikasi sehingga menghasilkan akurasi optimal. Pada klasifikasi Multinomial Naive Bayes fitur diasumsikan diambil dari distribusi Multinomial sederhana. Proses analisis sentimen terdiri dari proses labeling data menggunakan VADER Lexicon, lalu pre-processing, selanjutnya akan dihitung jumlah term frequency dan documen frequency. Data akan dibagi menjadi data training dan testing menggunakan K-fold Cross Validation serta klasifikasi teks menggunakan Multinomial Naive Bayes dengan mencari nilai probabilitas tertinggi. Pengujian terdiri dari perbandingan jumlah data training dan data testing dengan menggunakan variasi k-fold untuk memperoleh nilai rata-rata akurasi terbaik terdapat pada variasi 11 fold yaitu sebesar 76,07%.
Keywords
Full Text:
PDFReferences
Yuyun, Hidayah Nurul, Supriadi. (2021) ‘Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter’ Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), Vol. 5 No. 4 (2021) 820 - 826. doi: 10.29207/resti.v5i4.3146.
Nurjanah, W. E., Perdana, R. S. and Fauzi, M. A. (2017) ‘Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet’, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(12), pp. 1750–1757.
Ratnawati, F. (2018) ‘Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter’, JIFOTECH (Journal of Information Technology), Vol. 1 No.1(2021).
Santi Thomas, Yuliana, Noviyanti. P (2021) ‘Studi Analisis Metode Analisis Sentimen pada YouTube’, INOVTEK Polbeng - Seri Informatika, 3(1), p. 50. doi: 10.35314/isi.v3i1.335.
Romadloni, N. T., Santoso, I. and Budilaksono, S. (2019) ‘Perbandingan Metode Naive Bayes , Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl’, Jurnal IKRA-ITH Informatika, 3(2), pp. 1–9.
Ira Zulfa and Edi Winarko. Sentimen analisis tweet berbahasa indonesia dengan deep belief network. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11:187, 07 2017.
Dehhaf (2010)Sentiment Analysis, Hard But Worth It!. [Online]. (update, 10 Maret 2010) Available at: http://customerthink.com/sentiment_ analysis_hard_but_worth_it/
Hutto, C. J., & Gilbert, E. E. (2014). VADER: A Parsimonious Rule-based Model for Sentiment analysis of Social Media Text. Eighth International Conference on Weblogs and Social Media (ICWSM-14).”. Proceedings of the 8th International Conference on Weblogs and Social Media, ICWSM 2014
Elbagir, S., & Yang, J. (2019). Twitter sentiment analysis using natural language toolkit and Vader sentiment. Lecture Notes in Engineering and Computer Science, 2239, 12–16.
Saif, H., He, Y., Fernandez, M., & Alani, H. (2016). Contextual semantics forsentiment analysis of Twitter. Information Processing and Management52(1), 5–19. https://doi.org/10.1016/j.ipm.2015.01.005
Destuardi dan Surya, S. 2009. “Klasifikasi Emosi Untuk Teks Bahasa Indonesia Menggunakan Metode Naive Bayes”. Surabaya: Teknik Elektro, Institut Teknologi Sepuluh November.
DOI: https://doi.org/10.31284/p.snestik.2022.2720
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Sigit Pamungkas, J.B. Budi Darmawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.