Analisis Sentimen Terhadap Telkomsel dan XL Berbasis Machine Learning Pada Data Twitter
Abstract
Di Indonesia pengguna internet mencapai lebih dari 200 juta pengguna. Telkomsel dan XL bersaing untuk menjadi penyedia layanan internet nomor satu. Media sosial Twitter membuat pengguna lebih jujur dalam memberikan review. Umpan balik pengguna akan menjadi rekomendasi dari mulut ke mulut (WoW). Pada penelitian ini bertujuan untuk mengetahui pandangan masyarakat terhadap provider Telkomsel dan XL berdasarkan data tweet di Twitter pada bulan Juli dan Agustus 2022. Dataset dikumpulkan dari Twitter menggunakan Twitter API dengan kata kunci “XL Internetâ€, “Telkomsel Internetâ€, “MyXLâ€, dan “MyTelkomsel†dan diperoleh sebanyak 17.543 data. Kemudian dataset akan dilakukan case folding, tokenized, normalized, stopword removal, stemming, dan proses pembobotan TF-IDF. Model klasifikasi menggunakan Entropy Maksimum, Multinomial Naïve Bayes, dan Complement Naïve Bayes. Untuk menguji kemampuan menggeneralisasi, dilakukan 10-Fold Cross Validation untuk masing-masing model. Hasil menunjukkan bahwa metode ME lebih baik dari MNB dan CNB dengan nilai akurasi 84,11%, 81,53%, dan 79,95%.
References
APJII. (2022). Indonesia Digital Outlook 2022. Jakarta: Asosiasi Penyelengara Jasa Internet Indonesia.
Choudhary, M., & Choudhary, P. (2018). Sentiment Analysis of Text Reviewing Algorithm using Data Mining. 2018 Inter. Conf. on Smart Sys. and Inventive Tech. (ICSSIT).
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naïve Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional. Jurnal Tekno Kompak, 15(1), 131-145.
Fernandes, G., & Lina, I. (2022). Sentiment Analysis on Twitter Using Maximum Entropy : a Case Study on Indosat Ooredoo. E-Komtek, 6(1), 27-35.
Herlingga, A., Prismana, P., Prehanto, D., & Dermawan, D. (2020). Algoritma Stemming Nazief & Adriani dengan Metode Cosine Similarity untuk Chatbot Telegram Terintegrasi dengan E-layanan. JINACS : Journal of Informatics and Computer Science, 2(1), 19-26.
Hidayat, T., Garno, & Ridha, A. (2021). Analisis Sentimen Permindahan Ibu Kota pada Twitter dengan Metode Support Vector Machine. Jurnal Ilmu Komputer, 14(2).
Husada, I., & Toba, H. (2020). Pengaruh Metode Penyeimbangan Kelas Terhadap Tingkat Akurasi Analisis Sentimen pada Tweets Berbahasa Indonesia. Jurnal Teknik Informatika dan Sistem Informasi, 6(2), 400-413.
Opensignal. (2022). Laporan Pengalaman Jariangan Seluler Indonesia. Opensignal Limited.
Putra, G., Swastika, W., & Irawan, P. (2022). Perbandingan Particle Swarm Optimization dengan Genetic Algorithm dalam Feature Selection untuk Analisis Sentimen pada Permendikbudristek PPKS-LPT. JEPIN, 8(3), 412-421.
Randhika, M., Young, J., Suryadibrata, A., & Mandala, H. (2021). Impelementasi Algoritma Complement dan Multinomial Naïve Bayes Classifier pada Klasifikasi Kategori Berita Media Online. Ultimatics : Jurnal Teknik Informatika, 13(1).
Ratnawati, F. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film pada Twitter. Jurnal Inovtek Polbeng, 3(1), 50-60.
Seref, B., & Bostanci, E. (2019). Performance Comparison of Naïve Bayes and Complement Naïve Bayes Algorithm. 2019 IEEE 6th International Conference on Electrical and Electronics Engineering (ICEEE). USA.
Shabily, A., Adikara, P., & Fauzi, M. (2019). Analisis Sentimen Pemilihan Presiden 2019 pada Twitter menggunakan metode Maximum Entropy. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(5), 4204-4209.
Singgalen, Y. (2021). Pemilihan Metode dan Algoritma dalam Analisis Sentimen di Media Sosial : Sistematic Literature Review. Jurnal of Information System and Informatics, 3(2), 278-302.
Sipayung, E. M., Maharani, H., & Zefanya, I. (2016). Perancangan Sistem Analisis Sentimen Komentar Pelanggan Menggunakan Metode Naive Bayes Classifier. Jurnal Sistem Informasi (JSI), 8(2), 958 - 965.
Sutrisno, F. K., Jondri, & Lhaksmana, K. (2021). Analisis Sentimen Destinasi Wisata Kuliner di Twitter Menggunakan TF-IDF dan Complement Naive Bayes pada Dataset Tidak Seimbang. Proceeding of Engineering, (pp. 4115-4123).
Tapikab, H., Djahi, B., & Widiastuti, T. (2019). Klasifikasi Spam E-mail Menggunakan Metode Transformed Complement Naïve Bayes (TCNB). J-ICON : J. Komputer dan Informatika, , 7(1), 21-26.
Toy, K. S., Sari, Y. A., & Cholissodin, I. (2021). Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(11), 5068-5074.
