Klasifikasi Opini Masyarakat Terhadap Jasa ISP MyRepublic dengan Naïve Bayes

Abstract

Opinion classification is an analysis that aims to determine the sentiments of the community or a group about a particular entity. Opinion classification can be categorized as positive, negative, and neutral. This research of the classification of public opinion was conducted on the MyRepublic internet service provider. At the moment, MyRepublic has reached seven provinces in Indonesia. MyRepublic has used a lot of media to communicate with its customers, especially Twitter. MyRepublic Twitter account is MyRepublicid with a number of followers of 9,414. This research uses comments or tweets from followers that can be used to see opinions from followers of My Republic, whether positive or negative. The comments or tweets classification on Twitter is using naïve Bayes method. The data used is 1,553. As much as 70% of the data from each category is used as training data and the remaining 30% as testing data. The naïve Bayes method produces positive accuracy value of 0.976%, negative accuracy value of 0.82895%, and neutral accuracy value of 0.8333%, with an average of 0.87949%. Based on the result, it can be concluded that the naïve Bayes method is able to classify the data very well. Intisari-Klasifikasi opini adalah analisis yang bertujuan untuk menentukan sentimen komunitas atau kelompok tentang entitas tertentu. Klasifikasi opini dapat dikategorikan sebagai positif, negatif, dan netral. Klasifikasi opini publik ini dilakukan pada penyedia layanan internet MyRepublic. Saat ini, MyRepublic telah menjangkau tujuh provinsi di Indonesia. MyRepublic menggunakan banyak media untuk berkomunikasi dengan pelanggannya, terutama menggunakan Twitter. Akun MyRepublic di Twitter adalah MyRepublicid dengan jumlah pengikut 9.414. Makalah ini mengambil komentar atau tweet dari pengikut yang dapat digunakan untuk melihat pendapat dari pengikut My Republic, positif atau negatif. Klasifikasi komentar atau tweet di Twitter menggunakan metode naïve Bayes. Dari sejumlah 1.553 data yang digunakan, diambil 70% dari masingmasing kategori sebagai data latih dan 30% sisanya sebagai data uji. Metode Naïve Bayes menghasilkan nilai akurasi positif 0,976%, negatif 0,82895%, dan netral 0,8333%, sehingga memiliki rata-rata 0,87949%. Dengan hasil akurasi ini dapat disimpulkan bahwa metode Naïve Bayes mampu mengklasifikasikan data dengan baik.

Analisis Sentimen Komentar Video Mobil Listrik Di Platform Youtube Dengan Metode Naive Bayes

“…Meskipun istilah-istilah ini memiliki perbedaan, semuanya dapat dimasukkan ke dalam kategori analisis sentimen atau penambangan opini. Meskipun dalam industri, istilah analisis sentimen lebih umum digunakan, baik di industri maupun di dunia akademis, sering kali istilah analisis sentimen dan penambangan opini digunakan secara bersamaan [8].…”

Analisis Sentimen Masyarakat Indonesia Terhadap Dampak Penurunan Global Sebagai Akibat Resesi di Twitter

“…SVM memiliki kelebihan untuk mengidentifikasi hyperlane secara terpisah, sehingga hal ini dapat memaksimalkan margin pada kelas yang berbeda. Namun SVM juga memiliki kelemahan, dimana kesamaan fitur sangat berpengaruh siginifikan terhadap tingkat akurasinya [20]. SVM memiliki cara kerja dengan menggunakan beberapa titik data terpilih yang bisa disebut sebagai support vector untuk membentuk model yang akan digunakan dalam proses klasifikasi [21].…”

Penerapan Algoritma Sentimen Analysis dan Naïve Bayes terhadap opini pengunjung di tempat wisata pantai Pintu Kota, Kota Ambon

“…Sementara di industri analisis sentimen jangka lebih umum digunakan, di akademisi baik analisis sentimen maupun penambangan opini sering digunakan. [4] Penggunaan jejaring sosial atau media sosial semakin bertambah, ini sebagai bukti dari perkembangan internet yang mempengaruhi media komunikasi. Media sosial sudah menjadi bagian terpenting untuk percakapan di seluruh dunia, karena orang-orang dapat dengan bebas mengekspresikan sebuah pendapat tentang suatu objek yang ada [14] Pada tahun 2018, Fanisa, S., dkk dengan menggunakan metode Naïve Bayes dan seleksi fitur Query Expansion Rangking melakukan penelitian untuk sentiment analysis terhadap pariwisata di Kota Malang.…”